zoukankan      html  css  js  c++  java
  • 销量预测结果记录

    baseline:

    rmsle1=0.0454     rmsle3=0.0450   rmsle7=0.0433

    1、只使用销量

    rmsle=0.0392

    2、销量、weekday

    rmsle=0.0373

    预测周销量:

    baseline:

    rmsle2: 0.029815477426626328  (最近两周销量的平均)

    1、销量、weekday

    rmsle = 0.0294

    2、销量、weekday、monthday

    rmsle = 0.0238

    3、销量、weekday、monthday、差值

    rmsle = 0.0232

    4、训练的时候处理异常点,测试的时候,样本不处理异常点

    效果不好,异常点都要保留

    5、训练结束后直接预测商品“红茶玛奇朵” ,注意,归一化要统一

    rmsle14=0.0397

    model =0.0356

    ===不进行归一化===

    fine tuning (学习率下降到0.001,batch_size到64)

    rmsle14=0.0397

    model = 0.0329

    ===不进行归一化===

    rmsle14 = 0.1404

    model = 0.1259,0.1215, 0.1202    mape=0.1539

                                          loss=0.6187

    6、增加7天平均作为滑动窗口

    rmsle14=0.1404   mape14=0.2271

    model = 0.1213  mape=0.1578

    model = 0.0989  mape=0.0989

    ======修正数据后=====

    base14 = 0.1709

    model = 0.1352

  • 相关阅读:
    快速模幂
    UPC-2249 曲线分割【递推】
    maven 服务器
    maven repo
    php-fpm sock
    mysql
    go 1
    xdebug
    centos
    win10 2503 2502
  • 原文地址:https://www.cnblogs.com/yjybupt/p/11911147.html
Copyright © 2011-2022 走看看