BriefGPT - AI 论文速递
·
规模化的层次预测
原文中文，约500字，阅读约需1分钟。
📝
内容提要
该研究提出了一种使用稀疏损失函数直接优化层次产品和/或时间结构的方法，以学习数百万时间序列的连贯预测。该方法消除了传统层次预测技术中所需的后处理步骤，从而降低了预测流程中的计算成本。在公开的M5数据集上，该方法的表现比基准损失函数提高了10%（RMSE）。该方法应用于欧洲一家大型电子商务平台的现有预测模型中，在产品层面上改善了2%的预测性能。同时，该方法在横向层次上评估预测性能时，预测性能提高了约5-10%。这些结果证明了该方法在主要电子商务平台的生产预测系统中的有用性。
🎯
关键要点
-
该研究提出了一种使用稀疏损失函数直接优化层次产品和/或时间结构的方法。
-
该方法能够学习数百万时间序列的连贯预测，消除了传统层次预测技术中的后处理步骤。
-
通过该方法，预测流程中的计算成本得以降低。
-
在公开的M5数据集上，该方法的表现比基准损失函数提高了10%（RMSE）。
-
该方法在欧洲一家大型电子商务平台的现有预测模型中应用，产品层面上改善了2%的预测性能。
-
在横向层次上评估预测性能时，预测性能提高了约5-10%。
-
这些结果证明了该方法在主要电子商务平台的生产预测系统中的有用性。
🏷️
