Παρακαλώ χρησιμοποιήστε αυτό το αναγνωριστικό για να παραπέμψετε ή να δημιουργήσετε σύνδεσμο προς αυτό το τεκμήριο: http://dspace.lib.uom.gr/handle/2159/26649
Συγγραφέας: Ντζαρντανίδη, Ελένη
Τίτλος: Μ5 competition - time series forecasting by implementing EDA, feature engineering and modelling with statistical and machine learning methods
Αλλοι τίτλοι: Μ5 διαγωνισμός - πρόβλεψη χρονοσειρών με εφαρμογή διερευνητικής ανάλυσης δεδομένων, δημιουργίας χαρακτηριστικών και μοντελοποίησης με στατιστικές μεθόδους και μεθόδους μηχανικής μάθησης
Ημερομηνία Έκδοσης: 2022
Τμήμα: Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών στα Πληροφοριακά Συστήματα
Επόπτης Καθηγητής: Ταμπούρης, Ευθύμιος
Περίληψη: The purpose of this dissertation was to analyse the daily sales for several items sold in different Walmart stores in different US cities within 5 years and proceed to forecast the sales for 27 days, based on the historic sales data. Our methodology was to first conduct an Exploratory Data Analysis (EDA) on the provided datasets in order to better understand and gain insights from our datasets. Then we proceeded with the Feature Engineering (FE) in order to prepare and optimize our data for use in the Modelling phase. Several different Modelling methods were examined and evaluated and the best was selected based on their comparative RMSE. It was concluded that LightGBM was the best model, which accomplished the highest accuracy in predicting the sales values for the items in the defined period.
Λέξεις Κλειδιά: Time series forecasting
Μ5
EDA
Feature Engineering
LightGBM
XGBoost
Πληροφορίες: Διπλωματική εργασία--Πανεπιστήμιο Μακεδονίας, Θεσσαλονίκη, 2022.
Δικαιώματα: CC0 1.0 Παγκόσμια
Εμφανίζεται στις Συλλογές:ΔΠΜΣ Πληροφοριακά Συστήματα (M)

Αρχεία σε αυτό το Τεκμήριο:
Αρχείο Περιγραφή ΜέγεθοςΜορφότυπος 
NtzarntanidiEleniMsc2022.pdf5.62 MBAdobe PDFΠροβολή/Ανοιγμα


Αυτό το τεκμήριο προστατεύεται από Αδεια Creative Commons Creative Commons