本文旨在建立新零售的精准预测模型,首先通过对新零售目标商品的主要指标数据进行数据预处理,接着建立Pearson相关系数模型,使用Python分析得到热力图,确定销售量具有较好的预测性并存在自相关性,将其作为本文预测模型的重要决策变量,...本文旨在建立新零售的精准预测模型,首先通过对新零售目标商品的主要指标数据进行数据预处理,接着建立Pearson相关系数模型,使用Python分析得到热力图,确定销售量具有较好的预测性并存在自相关性,将其作为本文预测模型的重要决策变量,然后建立差分整合移动平均自回归模型(Autoregressive Integrated Moving Average model,简称ARIMA),同时考虑商品由于季节所造成的影响,并优化成季节性ARIMA预测模型,最后使用平均绝对百分比误差(MAPE)评估模型,得到预测误差百分比均值为19.33%。本文模型预测误差小,对新零售商品的预测具有指导意义。展开更多
文摘本文旨在建立新零售的精准预测模型,首先通过对新零售目标商品的主要指标数据进行数据预处理,接着建立Pearson相关系数模型,使用Python分析得到热力图,确定销售量具有较好的预测性并存在自相关性,将其作为本文预测模型的重要决策变量,然后建立差分整合移动平均自回归模型(Autoregressive Integrated Moving Average model,简称ARIMA),同时考虑商品由于季节所造成的影响,并优化成季节性ARIMA预测模型,最后使用平均绝对百分比误差(MAPE)评估模型,得到预测误差百分比均值为19.33%。本文模型预测误差小,对新零售商品的预测具有指导意义。