深度需求预测(Deep Demand Forecast)

廖卫平 · 发表于 2023-1-16 14:39:33

论文有阐述一些，但具体有多少个难说

石全贵 · 发表于 2023-1-16 14:40:25

感谢答主分享，我跑了你的代码，好想quantile这个参数没有用到，作的图里面也没有10-P90 quantile，想请教一下
[疑惑]

我昕依旧 · 发表于 2023-1-16 14:40:51

有的quantile有默认值是0.5，输出的是0.5的quantile。

国米老当家 · 发表于 2023-1-16 14:41:42

我看的deep_factors train这个函数里面rho = args.quantile，然后后面好像没有用到rho了，我试了下改quantile的值，输出没有变化，不知道是不是哪里我没注意到，能给我说下吗

天晴了 · 发表于 2023-1-16 14:42:05

我更新了下deep factors的代码，主要的quantile是基于训练好的分布参数，后面多次sample的一列值求的10, 50和90的quantile。

凡事明天说 · 发表于 2023-1-16 14:42:16

感谢我再学习一下

颜裕训 · 发表于 2023-1-16 14:42:44

手动点赞

波嗷宝 · 发表于 2023-1-16 14:42:49

也在做预测，发现如果单sku历史数据多，普通回归准确度也很高，而历史数据少的话，试了多种模型准确率也上不去，现在考虑的是查sku相似度，把sku link起来

方思向 · 发表于 2023-1-16 14:43:47

我们在预测前会评估可预测性。另外intermittent demand也有相应的方法。还有一种思路是汇聚预测然后再拆分

简单都有人啊 · 发表于 2023-1-16 14:44:20

你说的数据拼接也是一种思路

		自动登录	找回密码
密码			立即注册