点击空白处退出提示
UPS时间序列物流需求预测
我要开发同款作品详情
2. 探索性分析&特征工程：对不同日期、月份、季度以及节假日时期的货运吨位及体积进行分析，并使用one-hot encoding等开发出相应的特征工程方法，同时对其他外部关联数据进行相关性测试以及实验，从而进行特征选择
3. 预测模型搭建：通过对不同模型（包括Sarimax，随机森林，梯度提升树，XGBoost，LGBM，LSTM）进行实验以及超参数调整，最终成功将每日吨位需求预测结果MAPE降到0.18
声明：本文仅代表作者观点，不代表本站立场。如果侵犯到您的合法权益，请联系我们删除侵权资源！如果遇到资源链接失效，请您通过评论或工单的方式通知管理员。未经允许，不得转载，本站所有资源文章禁止商业使用运营!
评论