В России создали алгоритм машинного обучения для прогноза продаж

Российские учёные придумали алгоритм, который способен предсказать спрос на различные товары

Учёные из МТУСИ разработали эффективное решение для прогнозирования спроса на товары, которое особенно актуально в условиях растущих объёмов продаж. В исследовании изучались методы машинного обучения, чтобы помочь бизнесу предугадывать, какие товары будут востребованы. Это значительно упрощает задачу анализа больших массивов данных, с которыми традиционные статистические методы не справляются.

Для тестирования использовались модели машинного обучения, включая XGBoost, LightGBM и другие. Исследователи Юрий Леохин и Тимур Фатхулин оценивали их по трём ключевым параметрам: точность, устойчивость и производительность. Среди множества протестированных решений наиболее эффективной оказалась модель XGBoost, которая сочетает в себе высокую точность и стабильность прогнозов. Она работала с данными из разных источников, например, розничных сетей и предприятий, что делает её универсальной.

Авторы исследования отметили, что XGBoost особенно эффективна благодаря возможности тонкой настройки параметров. В будущем они планируют усовершенствовать модель, уделяя больше внимания обработке данных и выбору характеристик. Их работа может стать основой для создания умных систем прогнозирования, которые найдут применение в розничной торговле, производстве и других областях, где важно заранее знать спрос на продукцию.