基于Stacking集成学习的服装网络直播销量预测

摘要

为了解决单一模型对直播销量预测效果不佳的情况,提出利用Stacking集成学习模型对4种单一机器学习模型进行融合。利用Spearman相关性分析和3种树模型的特征贡献度来进行特征选择,选用网格搜索以及贝叶斯优化算法进行模型参数选择。利用抖音直播李维斯品牌牛仔裤品类数据对算法进行实例验证。对比不同组合模型的MAE、MSE、RMSE和SMAPE值,实验证明:选用随机森林、支持向量回归、Xgboost为基学习器,线性回归为元学习器的两层Stacking集成学习模型对服装网络直播销量的预测效果优于单一机器学习模型以及其他组合模型,SMAPE的误差较单一模型最高下降6.97%,最低下降2.53%。