基于Stacking集成学习的服装网络直播销量预测

作     者：孙一文 罗戎蕾 SUN Yiwen;LUO Ronglei

作者机构：浙江理工大学服装学院浙江杭州310018 浙江理工大学浙江省丝绸与时尚文化研究中心浙江杭州310018 浙江凌迪数字科技有限公司浙江杭州310030 

基　　金：浙江省一般软科学研究计划项目(2022C35099) 浙江省丝绸与文化艺术研究中心培育项目(ZSFCRC20204PY) 

出 版 物：《染整技术》 (Textile Dyeing and Finishing Journal)

年 卷 期：2023年第45卷第4期

页      码：1-5,21页

摘      要：为了解决单一模型对直播销量预测效果不佳的情况,提出利用Stacking集成学习模型对4种单一机器学习模型进行融合。利用Spearman相关性分析和3种树模型的特征贡献度来进行特征选择,选用网格搜索以及贝叶斯优化算法进行模型参数选择。利用抖音直播李维斯品牌牛仔裤品类数据对算法进行实例验证。对比不同组合模型的MAE、MSE、RMSE和SMAPE值,实验证明:选用随机森林、支持向量回归、Xgboost为基学习器,线性回归为元学习器的两层Stacking集成学习模型对服装网络直播销量的预测效果优于单一机器学习模型以及其他组合模型,SMAPE的误差较单一模型最高下降6.97%,最低下降2.53%。

主 题 词：随机森林 支持向量回归 Xgboost GBDT Stacking集成 销量预测 

学科分类：0821[工学-兵器类] 08[工学] 082103[082103] 

D　O　I：10.3969/j.issn.1005-9350.2023.04.001

馆 藏 号：203121368...