小样本下目标特征细分加权的汽车需求量预测

小样本条件下的销量预测,由于样本数量较少导致特征多样性降低,从而影响模型泛化性和准确性。以汽车产业链平台上“HB”企业的整车销售数据为研究对象,提出一种小样本下基于业务流程执行状态的目标特征细分处理方法,该方法可对实时目标值划分更细的粒度。同时,将特征加权引入到整车需求量预测问题上,并构建基于XGBoost+LightGBM+LSTM的组合预测模型。最终实验表明,相比于单一预测模型,最优加权组合模型的预测效果具有更高的准确率。