Прогнозирование продаж имеет решающее значение для бизнеса, позволяя им оптимизировать цепочки поставок, планировать персонал и принимать обоснованные решения. Машинное обучение (МО) предоставляет мощные инструменты для прогнозирования продаж, используя исторические данные для выявления закономерностей и прогнозирования будущих результатов.
В этом проекте мы применили машинное обучение для прогнозирования продаж в магазинах Rossmann, используя набор данных о продажах и сопутствующей информации. Мы использовали различные модели машинного обучения, включая линейную регрессию, деревья решений и случайные леса, для поиска наилучшей модели для прогнозирования.
Набор данных Rossmann Store Sales содержит информацию о ежедневных продажах и сопутствующей информации в 1115 магазинах в Германии с января 2013 года по март 2017 года. Набор данных включает в себя следующие характеристики:
Мы применили следующий процесс для прогнозирования продаж:
Мы обнаружили, что модель случайного леса показала наилучшие результаты при прогнозировании продаж. Она достигла следующих метрик:
Машинное обучение оказалось мощным инструментом для прогнозирования продаж в магазинах Rossmann. Мы успешно обучили модель случайного леса, которая смогла точно прогнозировать будущие продажи. Полученную модель можно использовать для оптимизации цепочек поставок, планирования персонала и принятия обоснованных решений.
Наше исследование подчеркивает потенциал машинного обучения в улучшении прогнозирования продаж и поддержки компаний в принятии более эффективных решений.