菜鸟-需求预测与分仓规划

本文探讨了在需求预测与分仓规划的比赛中,如何结合补多成本和补少成本调整损失函数以优化模型。通过枚举计算、平衡树和链表等方法寻找样本集合的最优预测值,降低总成本。尽管直接应用GBDT或XGBOOST可能效果不佳,但通过调整损失函数能显著提高预测准确性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

菜鸟-需求预测与分仓规划

Another url: https://bulihanjie.github.io/2016/09/27/菜鸟-需求预测与分仓规划/


题目描述:

https://tianchi.shuju.aliyun.com/competition/introduction.htm?spm=5176.100068.5678.1.ZBYlCN&raceId=231530


基本流程:

和其他机器学习比赛的思路大致是一样的:数据按照分仓和全国分开处理,划分时间窗口提取特征,跑模型,模型融合等,可能这比赛中可以添加规则来提高成绩。
在这里,我主要讲的是比赛中的尝试,与以前不一样的是改变模型求解的损失函数使得更加符合本题。


损失函数分析:

在赛题中,成本的计算受两个参数控制:补多成本和补少成本。当预测库存比实际库存少时,成本总和加上补少成本×库存之差;当预测库存比实际库存多时,成本总和加上补多成本×库存之差。因此补少成本和补多成本对于目标函数有着重大的影响,而如果直接调用模型进行训练,由于训练的损失函数不同,导致总的成本过高。
  举个例子:

补多 补少 实际成本
4 3 1
1 2 1
3 4 1
3 5 1
2 1 50

如果忽略了补多成本和补少成本,可能全部预测为10(均值),得到的总成本为139。当预测为1的时候,总成本为

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值