Поиск по каталогу |
(строгое соответствие)
|
- Профессиональная
- Научно-популярная
- Художественная
- Публицистика
- Детская
- Искусство
- Хобби, семья, дом
- Спорт
- Путеводители
- Блокноты, тетради, открытки
Sales Prediction Analysis in Stop Store. Sales Prediction Analysis in Stop Store Based on Machine Learning Algorithms
В наличии
Местонахождение: Алматы | Состояние экземпляра: новый |
Бумажная
версия
версия
Автор: Dr. K Venkata Naganjaneyulu and Dr. Avinash Roy
ISBN: 9786206739272
Год издания: 1905
Формат книги: 60×90/16 (145×215 мм)
Количество страниц: 96
Издательство: LAP LAMBERT Academic Publishing
Цена: 34651 тг
Положить в корзину
Способы доставки в город Алматы * комплектация (срок до отгрузки) не более 2 рабочих дней |
Самовывоз из города Алматы (пункты самовывоза партнёра CDEK) |
Курьерская доставка CDEK из города Москва |
Доставка Почтой России из города Москва |
Аннотация: The sales volume and revenue numbers for each individual product is now tracked by large supermarket run-centers known as Big Marts, in order to forecast possible domestic consumption and revise inventory control. By exploring the database server of the data warehouse, inconsistencies and broad patterns are frequently found. The statistics may be utilised by businesses like Big Mart to forecasting potential product sales using a variety of methods involving machine learning. In this project, we have used multiple machine learning algorithms like Linear Regression, Ridge regression, Lasso Regrssion, Decision Tree Regression, Random Forest Regression, Support Vector Regressor, Adaboost Regressor, XGBoost Regression to predict the sales of the products in the Big Mart. We observe that among the mentioned algorithms XGBoost Regression works best in predicting the sales volume. Hence we have created a model using XGBoost Regression and fine tuned it to further improve the accuracy.
Ключевые слова: Introduction, Problem Statement, Technical Approach, literature survey, Predictive Analysis, Forecasting Economy, Fusing Clustering, Dataset Description