Read more
Os números relativos ao volume de vendas e às receitas de cada produto individual são agora monitorizados por grandes centros de distribuição de supermercados, conhecidos como Big Marts, a fim de prever o possível consumo interno e rever o controlo das existências. Ao explorar o servidor da base de dados do armazém de dados, são frequentemente encontradas inconsistências e padrões gerais. As estatísticas podem ser utilizadas por empresas como o Big Mart para prever potenciais vendas de produtos utilizando uma variedade de métodos que envolvem a aprendizagem automática. Neste projeto, utilizámos vários algoritmos de aprendizagem automática, como a regressão linear, a regressão Ridge, a regressão Lasso, a regressão Decision Tree, a regressão Random Forest, o Support Vetor Regressor, o Adaboost Regressor e a regressão XGBoost para prever as vendas dos produtos no Big Mart. Verificámos que, entre os algoritmos mencionados, o XGBoost Regression é o que funciona melhor na previsão do volume de vendas. Por conseguinte, criámos um modelo utilizando a regressão XGBoost e ajustámo-lo para melhorar ainda mais a precisão
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.
