Read more
I volumi di vendita e i ricavi di ogni singolo prodotto sono ora monitorati dai centri di gestione dei grandi supermercati, noti come Big Mart, per prevedere il possibile consumo interno e rivedere il controllo delle scorte. Esplorando il server di database del data warehouse, si trovano spesso incongruenze e modelli generali. Le statistiche possono essere utilizzate da aziende come Big Mart per prevedere le vendite potenziali dei prodotti, utilizzando una serie di metodi di apprendimento automatico. In questo progetto, abbiamo utilizzato diversi algoritmi di apprendimento automatico come la regressione lineare, la regressione Ridge, la regressione Lasso, la regressione Decision Tree, la regressione Random Forest, il regressore Support Vector, il regressore Adaboost e la regressione XGBoost per prevedere le vendite dei prodotti nel Big Mart. Osserviamo che tra gli algoritmi citati la Regressione XGBoost è quella che funziona meglio nel prevedere il volume delle vendite. Abbiamo quindi creato un modello utilizzando XGBoost Regression e lo abbiamo messo a punto per migliorare ulteriormente l'accuratezza.
About the author
Dr. K. Venkata Naganjaneyulu atualmente trabalhando como professor do Departamento CSE no Lords Institute of Engineering and Technology (uma instituição autônoma), afiliado à Osmania University, Hyderabad, Telangana State, Índia. O Dr. K Venkata Naganjaneyulu trabalhou como professor do Departamento de Ciência de Dados CSE no Grupo de Instituições de StMary, Hyderabad, JNTU, TS.
