需要予測
モデルを構築するとき、3つの主要なステップがあります。
- 入力データを表示する
- 指標を作成する
- モデルの選択
ここでは、モデルの選択を最後のステップに配置する必要があります。最初のステップは、入力データを表示し、ビジネスシナリオを組み合わせて、ビジネスに影響を与えるコア機能を理解することです
。2番目のステップは、入力データ用です。ニーズに基づいて適切なメトリックを決定する必要があります。需要予測精度の精度インジケーター。MAPE、APE、AE、RMSE、MAEなどがあります。特定のインジケーターではゼロ以外の条件が許可されていないため、時系列のローリングウィークによるメトリックインジケーターの構築が含まれる場合もあります。あり、予測には0の予測値が含まれる場合があります。これに基づいて、他のメトリックを選択するか、予測の結果を処理するかを検討する必要があります。
最後のステップは、選択したメトリックと入力データを通じてビジネスの適切な組み合わせを選択することです。のモデル
多くの予測では、予測される歴史的傾向は内因性と外因性に分けることができます。
内因性とは、システムの内部が内部要因に大きく影響され、外部の影響に対する感度がそれほど強くないことを意味します。通常、これらの内因性システムの内部要素はランダムであることが多く、各要素は独立しており、相互にほとんど影響しません。大規模な物流会社の運送状システムは、通常、従来のビジネスよりも外部イベント（ダブル11）の影響が少ないため、現時点では、大規模な物流会社の予測は、従来のビジネスの影響要因に焦点を合わせる必要があります。
外因性とは、システムが外部イベントに与える影響の度合いが高いことを意味します。たとえば、多くの国際的な化粧品会社は、毎日の製品価格が高く、その結果、毎日の売上高はそれほど高くありません。多くの売上高は、毎年増減する傾向があります。活動中に集中販売が発生したため、このタイプの企業システムは外生的なシステムです。
予測モデルには、多くの場合3つのタイプがあります。1つは時系列モデル、1つは機械学習モデル、もう1つは深層学習モデルです。
時系列モデルには、Prophetモデル、状態空間モデルなどが含まれます。
機械学習モデルには、lightGBM、XGBoost、ランダムフォレストなどが
含まれます。ディープラーニングモデルには、RNN、LSTM、ニューラルネットワークなどが含まれます。
実際の予測では、実際の問題を解決するためにディープラーニングを使用する必要がないことがよくありますが、内因性のシステム、つまり周期的な特性が強く、外部要因による影響が少ないシステムシナリオに注意を払う必要があります。時系列モデルを使用します。外因性のシステム、つまりシステムは、国際化粧品会社の売上予測に対する618およびDouble 11のプロモーション活動の影響などの外部要因の影響を大きく受けるため、機械学習モデルを使用して売上予測を行うことがよくあります。 。
