Модель прогнозування ціни товару із використанням методу TRAMO
Loading...
Date
2023
Authors
Шмєльова, Дар'я
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
У даній роботі ми розглядаємо сучасні методи статистики та машинного навчання для прогнозування цін. Основна ідея полягає в тому, щоб поєднати надійність TRAMO для попередньої обробки даних часових рядів із потужністю машинного навчання, особливо алгоритму Random Forest, для створення прогнозів. TRAMO — це абревіатура від Time Series Regression with ARIMA Noise, Missing Observations і Outliers. Він використовується для обробки складної природи даних часових рядів, що робить його гарним вибором для підготовки даних. Алгоритм випадкового лісу — це популярна техніка машинного навчання, яка відома своєю здатністю обробляти складні шаблони та багатовимірні дані, що робить його хорошим для прогнозування цін. Ця робота показує, як традиційні статистичні методи та передові методи прогнозування за допомогою алгоритмів машинного навчання можна використовувати разом для прогнозування цін, що корисно як для академічних досліджень, так і для реальних застосувань у різних галузях.
Description
Keywords
Hedonic Index Construction, Quality-Adjusted Price Indexes, forecusting model and data predicition, бакалаврська робота