王 辉 李昌刚

(浙江万里学院信息与智能学院 浙江 宁波 315000)

0 引 言

大数据与机器学习的结合为当今社会带来的巨大的变革，从每天2 500万人次足不出户地在饿了么平台上找到自己喜欢的餐厅和食物，到亚马逊在客户服务中运用大数据精准预测出客户的需求来建立高效的物流运转体系，都显现着变革带来的数字化趋势的威力。机器学习技术基于强大的计算平台给各行业，特别是零售行业带来了成本的降低和效益的增长。大数据、云计算、物联网，必然会使传统零售向人工智能互联网时代的新零售过渡，零售业在实体经济中的权重地位也必然会获得大幅增强。

销售预测在零售行业中有着举足轻重的地位，准确的销售预测结果不仅能够让管理者合理安排订货时间和库存，减少安全库存成本和缺货损失，还能够支持高层管理者在指定战略发展目标的可靠性。由于数据存储技术的发展，企业存储了大量的数据来支持企业的运营决策，在一些数据量大，数据结构多样的销售预测场景下，传统的统计学方法[1]可能无法取得精准的预测结果，因此国内外学者对机器学习技术在销售预测中的应用进行了大量的研究。

Grasman等[2]使用Bass模型和销售的数据，为未来销售进行了点估计，并假设噪音的大小与年销售额成正比，利用时间依赖的Ornstein-Uhlenbeck过程的形式，给出了误差的置信区间。姜晓红等[3]以某电商平台数据为例，运用时间序列法ARIMA模型预测各种商品在未来一周全国和区域性需求量，并与简单移动平均法预测结果做对比，发现ARIMA模型有更高的精准度。……