基于数据挖掘的超市商品销量预测

摘要

针对超市商品短时间内销量预测问题，本文通过对比几种基本模型，提出了一种基于LightGBM和支持向量回归模型相结合的预测模型。该模型不仅通过对用户的行为数据进行量化特征提取和商品属性的特征提取，同时结合了时间滑动窗口在特征处理上的优势，将商品的销售数据作为前后关联数据进行动态特征提取，再通过多模型关系的融合，对商品数据进行预测。实验结果显示，经过滑窗法特征提取后，通过对比支持向量回归模型和LightGBM预测模型，发现LightGBM预测模型效果略优于支持向量回归模型，通过组合支持向量回归模型和LightGBM模型，发现超市销量预测模型的均方根误差仅为1.23209，明显高于单模型预测结果。因此，该模型是短期超市商品销量预测的一种有效方法。