Авито спрос на: Аналитика спроса на Авито — блог OneSpot

В «Авито» назвали города с максимальным падением спроса на новостройки :: Жилье :: РБК Недвижимость

adv.rbc.ru

adv.rbc.ru

adv.rbc.ru

Недвижимость

Телеканал

Pro

Инвестиции

Мероприятия

РБК+

Новая экономика

Тренды

Недвижимость

Autonews

Спорт

Стиль

Национальные проекты

Город

Крипто

Дискуссионный клуб

Исследования

Кредитные рейтинги

Франшизы

Газета

Спецпроекты СПб

Конференции СПб

Спецпроекты

Проверка контрагентов

РБК Библиотека

ESG-индекс

Политика

Экономика

Бизнес

Технологии и медиа

Финансы

РБК Компании

adv. rbc.ru

adv.rbc.ru

Спрос на первичное жилье в российских мегаполисах в апреле существенно упал. Цены на новостройки в мае начали снижаться

Фото: Марина Круглякова/ТАСС

Спрос на первичное жилье в России в апреле снизился на 20%, говорится в предоставленных «РБК-Недвижимости» материалах аналитиков сервиса «Авито Недвижимость». Среди российских городов-миллионников (без учета Москвы и Санкт-Петербурга) максимальное падение спроса отмечено в Самаре и Челябинске (-45%).

На втором месте по снижению спроса — Омск (-44%), третье поделили Воронеж и Красноярск (-41%). В первой пятерке по этому показателю также Нижний Новгород (-39%) и Уфа (-38%).

Цены на новостройки в российских мегаполисах тоже пошли вниз — в среднем бюджет предложения жилья в новостройках в базе «Авито» в период с 1 по 25 мая сократился на 35% (в сравнении с 1–25 апреля).

Сильнее всего средний бюджет предложения первичного жилья в базе «Авито» за месяц снизился в Уфе, Ростове-на-Дону и Новосибирске — на 43%, 42% и 39% соответственно. За год по отрицательной динамике лидируют Казань (-60%), Самара (-55%) и Ростов-на-Дону (-49%).

Динамика спроса и цен на новостройки в городах-миллионниках

Данные: «Авито Недвижимость»

Снижение спроса в «Авито» объясняют «заградительными для большинства населения» ставками по ипотеке, которые действовали в апреле. «Несмотря на принятое российским премьер-министром решение о снижении процентной ставки по льготной ипотеке до 9%, еще не все потенциальные покупатели вникли в детали нововведений, а для тех, кто не подпадает под льготную программу, ставки по кредитам остаются высокими, — поясняется в обзоре. — Нестабильная ситуация на рынке и ожидание дальнейшего снижения ставок формируют отложенный спрос. Некоторые россияне сомневаются в ликвидности приобретенных объектов в будущем и предпочитают не рисковать. Все это способствует снижению спроса на новое жилье».

Существенное падение спроса на новостройки городов-миллионников в апреле подтверждают и в риелторской компании «Бест-Новострой». Спрос на первичное жилье в жилых комплексах, с которыми компания работает в этих городах, упал за месяц на 76–99%. Такую динамику риелторы также связывают с недоступностью ипотеки.

Недавно падение спроса на первичном рынке Москвы зафиксировали в столичном управлении Росреестра. По данным ведомства, в апреле в городе было зарегистрировано на 45% меньше сделок с новостройками, чем в марте.

Читайте также: Названы округа Москвы — лидеры по сделкам с жильем

Будьте в курсе важных новостей — следите за телеграм-каналом «РБК-Недвижимость»

Автор

Валерия Семенова

Недвижимость в регионах

adv.rbc.ru

Авито Авто: россияне стали чаще чинить автомобили – спрос на запчасти в 2020 году вырос на 24,9%, а на услуги ремонта – на 73%

12.02.2021

Согласно данным Авито Авто, по итогам 2020 года в России заметно вырос спрос на автозапчасти и услуги ремонта автомобилей.

Покупкой автозапчастей на Авито Авто в ушедшем году интересовались на 24,9% активнее, чем в 2019 году, а услугами авторемонта – на 73%. Как отмечают эксперты Авито Авто, столь значительный рост спроса на комплектующие отчасти объясняется переориентацией покупателей на вторичный авторынок на фоне пандемии коронавируса и валютных колебаний.

Предложение по продаже автозапчастей также демонстрирует по итогам года положительную динамику: рост в сравнении с 2019 годом составил 16,1%. А предлагать услуги по ремонту автомобилей на Авито Авто в 2020 году стали на 28,9% чаще, чем годом ранее.

«В 2020 году россияне при покупке автомобилей чаще делали выбор в пользу вторичного авторынка. По данным Автостат, весной соотношение сделок по покупке подержанных и новых автомобилей впервые в истории российского авторынка достигло 5 к 1. На этом фоне произошел рост спроса на ремонтные работы и автозапчасти. Кроме того, активность в этих сегментах подстегивает и то, что водители, отказавшиеся от покупки автомобиля из-за роста цен или по иным причинам, инвестируют в ремонт уже имеющегося транспортного средства», – рассказывает Александр Куроптев, руководитель категории «Запчасти и аксессуары» в Авито Авто.

Активнее всего россияне интересуются услугами по ремонту двигателя, автоэлектрике, а также ремонту и покраске кузова автомобиля. Соответствующие поисковые запросы стали наиболее распространенными в категории «Автосервис» на Авито Авто в 2020 году.

При этом, по данным Авито Авто, интерес к покупке битых автомобилей на запчасти в России снизился в 2020 году на 21,4%. Снижение наблюдается практически во всех крупных городах страны. Однако, в Барнауле, Воронеже, Красноярске и Новосибирске при этом наблюдается противоположный тренд. В этих городах покупкой автомобиля на запчасти, напротив, интересовались активнее, чем в 2019 году – на 30%, 79%, 18% и 10%, соответственно.

Спрос на какие автозапчасти растет активнее всего

По итогам 2020 года заметнее всего увеличился спрос на комплектующие для ремонта кузова. Покупкой кузова целиком интересовались на 75% активнее, чем год назад, спрос на элементы кузова вырос на 64,3%, на пороги для кузова – на 56,1%.

Покупательский интерес к комплектующим для тормозных систем вырос на 52,4%, а к прокладкам и ремкомплектам для двигателей – на 51%.

Топ категорий запчастей по росту спроса в 2020 г., Авито Авто, Вся Россия

^[1]Рассчитана как медианная цена по объявлениям о продаже автозапчастей – цена по объявлению, для которого число объявлений с большей ценой будет равно числу объявлений с меньшей ценой.

Erlemar.github.io | Портфолио Data Science

Теперь у меня есть персональный сайт!

Это портфолио представляет собой набор блокнотов, которые я создал для анализа данных или изучения алгоритмов машинного обучения. Отдельная категория для отдельных проектов.

Автономные проекты.

Распознавание рукописных цифр

Это мой собственный проект, использующий методы распознавания изображений на практике. Это сайт (также работает на мобильных устройствах), где пользователь может нарисовать цифру, а модели машинного обучения (FNN и CNN) попытаются ее распознать. После этого модели могут использовать нарисованную цифру для обучения, чтобы повысить свою точность. Живая версия здесь. Код можно найти здесь.

Чат-бот в телеграмме

Разговорный чат-бот в телеграмме, созданный для почетного присвоения курса НЛП НИУ ВШЭ. Основной функционал бота — различать два типа вопросов (вопросы, связанные с программированием и другие) и затем либо давать ответ, либо говорить по разговорной модели.

Соревнования Kaggle.

Прогноз спроса Avito

Прогноз спроса Avito — это соревнование на Kaggle, где мы пытались предсказать что-то вроде спроса на основе содержания рекламы. Этот конкурс был очень интересным, потому что в нем были табличные данные, тексты и изображения. С другой стороны, это было причиной того, что конкуренция была довольно сложной. Моя команда заняла 131 место и завоевала бронзовую медаль! Вот ссылка на мое решение.

Категоризация покупок

Это был российский конкурс Kaggle inclass в рамках третьей сессии курса ODS ml. Это звучало интересно, и я принял в нем участие, заняв 3-е место. Вот мое ядро ​​kaggle с решением.

Ядра Kaggle.

2018 Kaggle ML & DS Survey Challenge

Некоторое время назад Kaggle запустил большой онлайн-опрос для kagglers, и теперь эти данные общедоступны. Были вопросы с несколькими вариантами ответов и несколько форм для открытых ответов. В опросе приняло участие более 23 тысяч респондентов из 147 стран. В результате у нас есть большой набор данных с богатой информацией об ученых, использующих Kaggle.
В этом ядре сравниваю ДС в США, России, Индии и других странах.

DonorsChoose.org Отбор заявок

DonorsChoose.org дает возможность учителям государственных школ со всей страны запрашивать столь необходимые материалы и опыт для своих учеников. DonorsChoose.org ежегодно получает сотни тысяч проектных предложений для школьных проектов, нуждающихся в финансировании. Это конкурс на Kaggle, где люди могут создать модель машинного обучения, чтобы помочь этому фонду с автоматическим одобрением приложений. Призы вручаются авторам с наибольшим количеством голосов за ядра. Вот мое ядро ​​с обширным EDA, проектированием функций и моделями построения.
Это ядро ​​заняло 2 место по количеству голосов и я выиграл за него Google Pixelbook!

Avito Demand Prediction Challenge

Задача Avito заключается в прогнозировании спроса на онлайн-рекламу на основе ее полного описания (название, описание, изображения и т. д.), ее контекста (географическое место размещения, уже размещенные похожие объявления) и исторических данных. спрос на аналогичную рекламу в аналогичном контексте. Конкурс интересен тем, что в нем много типов данных, что позволяет строить различные модели. Вот мое ядро ​​с EDA, создание функций и построение моделей.

Риск дефолта Хоум Кредит

Банк Хоум Кредит предлагает задачу оценки кредитоспособности. Существует много данных о соискателях и их предыдущем поведении. Вот мое ядро.

Обзор фильма Анализ настроений

Некоторое время назад Kaggle запустил несколько «римейков» старых соревнований. Это означает, что наборы данных те же, но теперь нам предлагается просто исследовать данные и создавать ядра с новыми методами. Одним из таких соревнований является анализ настроений набора данных Rotten Tomatoes с 5 классами (отрицательный, отчасти отрицательный, нейтральный, отчасти положительный, положительный). Я создал ядро ​​с EDA и современной архитектурой NN: LSTM-CNN. В настоящее время это ядро ​​показывает 5-й результат в таблице лидеров.

Две сигмы: использование новостей для прогнозирования движения акций

В этом конкурсе Reuters предоставляет уникальные данные, которые нельзя получить вне этого конкурса. Мы можем видеть новости и рыночные данные за 10 лет по многим компаниям. Это соревнование только для ядра, что означает, что у всех есть одинаковая вычислительная мощность для этого соревнования. В своем ядре я проанализировал данные и показал тенденции рыночных данных.

Santander Value Prediction Challenge

На этот конкурс мы получили обезличенный набор данных, позже выяснилось, что он имеет определенную структуру. В своем ядре я попытался проанализировать данные и создал новые функции, используя модель NN.

Прогноз доходов клиентов Google Analytics

RStudio провела это соревнование, чтобы доказать, что алгоритмы машинного обучения могут влиять на бизнес и помогать маркетингу. В своем ядре я провел обширную EDA и построил интересную модель LGB.

Наука о данных во благо: Центр обеспечения справедливости

Этот набор данных предоставлен Центром охраны справедливости. Они надеются, что kagglers поможет создать лучшие модели, найти уникальные идеи и улучшить геоаналитику. В своем ядре я пытаюсь делать такие вещи.

Проблемы классификации.

Титаник: машинное обучение после катастрофы

Github nbviewer

Титаник: машинное обучение после катастрофы — это соревнование знаний на Kaggle. Многие люди начали практиковаться в машинном обучении благодаря этому конкурсу, и я тоже. Это проблема бинарной классификации: на основе информации о пассажирах «Титаника» мы предсказываем, выжили они или нет. Общее описание и данные доступны на Kaggle.
Набор данных Titanic предоставляет интересные возможности для разработки признаков.

Гули, гоблины и призраки… Бу!

Github nbviewer

Вурдалаки, гоблины и призраки… Бу! это соревнование знаний на Kaggle. Это задача множественной классификации: на основе информации о монстрах мы предсказываем их типы. Веселый конкурс на Хэллоуин. Общее описание и данные доступны на Kaggle.
В этом наборе данных мало выборок, поэтому для высокой точности необходимы тщательный выбор признаков и ансамбль моделей.

Задача классификации продукции Otto Group

Github nbviewer

Otto Group Product Classification Challenge — это конкурс знаний на Kaggle. Это проблема множественной классификации. На основе информации о товарах мы прогнозируем их категорию. Общее описание и данные доступны на Kaggle.
Данные запутаны, поэтому основные вопросы возникают при выборе модели для прогнозирования.

Несбалансированные классы

Github nbviewer

В реальном мире часто встречаются данные, в которых одни классы встречаются чаще, а другие реже. В случае серьезного дисбаланса прогнозирование редких классов с использованием стандартных методов классификации может быть затруднено. В этом блокноте я анализирую такую ​​ситуацию. Я не могу поделиться данными, использованными в этом анализе.

Активации банковских карт

Github nbviewer

Банки стремятся повысить эффективность своих контактов с клиентами. Одной из областей, требующих этого, является предложение новых продуктов существующим клиентам (кросс-продажи). Вместо того, чтобы предлагать новые продукты всем клиентам, лучше предсказать вероятность положительного ответа. Тогда предложения могут быть отправлены тем клиентам, для которых вероятность отклика выше некоторого порогового значения.
В этом блокноте я пытаюсь решить эту проблему.

Проблемы регрессии.

Цены на дома: передовые методы регрессии

Github nbviewer

Цены на дома: передовые методы регрессии — это соревнование знаний на Kaggle. Это проблема регрессии: на основе информации о домах мы прогнозируем их цены. Общее описание и данные доступны на Kaggle.
В наборе данных много функций и много пропущенных значений. Это дает интересные возможности для преобразования признаков и визуализации данных.

Прогноз кредита

Github nbviewer

Прогноз кредита — это хакатон знаний и обучения на Analyticsvidhya. Компания Dream Housing Finance занимается жилищными кредитами. Компания хочет автоматизировать процесс получения кредита (в режиме реального времени) на основе сведений о клиенте, предоставленных при заполнении онлайн-заявки. Основываясь на информации клиента, мы предсказываем, должен ли он получить кредит или нет. Общее описание и данные доступны на Analyticsvidhya.

Цены на трубы Caterpillar

Github nbviewer

Caterpillar Tube Pricing — это конкурс на Kaggle. Это проблема регрессии: на основе информации о трубных сборках мы прогнозируем их цены. Общее описание и данные доступны на Kaggle.
Набор данных состоит из множества файлов, поэтому возникает дополнительная проблема при объединении данных и выборе функций.

Обработка естественного языка.

Мешок слов встречается с мешками попкорна

Github nbviewer

Сумка слов встречается с мешками попкорна — это задача сентиментального анализа. На основании текстов отзывов мы прогнозируем, положительные они или отрицательные. Общее описание и данные доступны на Kaggle.
Предоставляемые данные состоят из необработанных отзывов и класса (1 или 2), поэтому основная часть — это очистка текстов.

НЛП с Python: изучение Fate/Zero

Github nbviewer

Обработка естественного языка в машинном обучении помогает решать множество задач, одна из которых — извлечение информации из текстов. Эта записная книжка представляет собой обзор нескольких методов исследования текста на примере английского перевода японского ранобэ «Fate/Zero».

НЛП. Генерация текста с помощью цепей Маркова

Github nbviewer

В этой записной книжке показано, как можно сгенерировать новый текст на основе заданного корпуса с использованием идеи цепей Маркова. Я начинаю с простых цепочек первого порядка и с каждым шагом улучшаю модель, чтобы генерировать более качественный текст.

НЛП. Обобщение текста

Github nbviewer

В этой записной книжке показано, как можно обобщить текст, выбрав из текста несколько наиболее важных предложений. Я изучаю различные способы сделать это на основе новостной статьи.

Кластеризация

Кластеризация с помощью KMeans

Github nbviewer

Кластеризация — это подход к неконтролируемому машинному обучению. Кластеризация с помощью KMeans — это один из алгоритмов кластеризации. в этой записной книжке я покажу, как это работает. Использованы данные о различных видах семян и их параметрах. Он доступен здесь.

Нейронные сети

Нейронная сеть с прямой связью с регуляризацией

Github nbviewer

Это простой пример нейронной сети с прямой связью с регуляризацией. Он основан на лекциях Эндрю Нг на Coursera. Я использовал данные из задачи Kaggle «Вурдалаки, гоблины и призраки… Бу!», они доступны здесь.

Исследование и анализ данных

Телематические данные

Github nbviewer

У меня есть набор данных с телематической информацией о 10 автомобилях, проезжающих в течение одного дня. Я визуализирую данные, ищу информацию и анализирую поведение каждого водителя. Не могу поделиться данными, но вот блокнот. Хочу заметить, что карту фолиума нельзя отрендерить нативным github, но nbviewer.jupyter это умеет.

Совместная фильтрация

Github nbviewer

Рекомендатели — это системы, которые прогнозируют оценки пользователей для элементов. Существует несколько подходов к построению таких систем, и один из них — совместная фильтрация.
В этой записной книжке показано несколько примеров алгоритмов совместной фильтрации.

[PDF] Прогнозирование спроса с использованием методов машинного обучения и многоуровневого обобщения

• 0179

   @article{Tugay2020DemandPU,
    title={Прогнозирование спроса с использованием методов машинного обучения и многоуровневого обобщения},
    автор = {Resul Tugay and Şule G{\"u}nd{\"u}z {\"O}ğ{\"u}d{\"u}c{\"u}},
    журнал={ArXiv},
    год = {2020},
    том={абс/2009.09756}
  } 

  • Ресул Тугай, Ш. Öğüdücü
  • Опубликовано 21 сентября 2020 г.
  • Информатика
  • ArXiv

  Спрос и предложение — две фундаментальные концепции продавцов и покупателей. [] Ключ Метод В этом исследовании мы впервые применили различные алгоритмы регрессии для определенного набора продуктов одного отдела компании, которая является одной из самых популярных компаний электронной коммерции в Турции. Затем мы использовали обобщение с накоплением или также известное как обучение ансамбля стека для прогнозирования спроса. Наконец, все подходы оцениваются на реальном наборе данных, полученном от компании электронной коммерции. Результаты эксперимента…

  [PDF] Semantic Reader

  Прогнозирование спроса на рекламу электронной коммерции: сравнительное исследование с использованием современных методов машинного обучения

  Санкет Рай, Адитья Гупта, А. Ананд, А. Триведи, Саумья Бхадаурия

  Информатика

  10-я Международная конференция по вычислительным, коммуникационным и сетевым технологиям (ICCCNT), 2019 г.

  • 2019 г.

  9020 8 Это исследование устанавливает, что реклама эффективная мера для определения ожидаемого спроса на продукты в электронной коммерции C2C и подчеркивает важность описания продукта, изображений и контекста рекламы при оценке вероятности сделки для продуктов.

  Влияние методов предварительной обработки на многоуровневое обобщение и автономный метод прогнозирования спроса в электронной коммерции

  Синтия Афина Махадеви Суброто, С. Акбар

  Информатика

  2022 9-я Международная конференция по передовой информатике: концепции, теория и приложения ( ICAICTA)

  • 2022

  Обобщение с накоплением, особенно с XGBoost на уровне 1, может привести к лучшему прогнозу, чем автономный MLP с настройкой гиперпараметров и масштабированием данных, и, если данные не имеют высокой асимметрии, обобщение с накоплением метод может свести к минимуму ошибку, вызванную неподходящим параметром в автономном XGBeost.

  Прогнозирование спроса на тематические объявления с использованием машинного обучения: экспериментальное исследование

  Маруан Аднан, М. Тирари, С. Фкихи, Р. Тами

  Информатика

  NISS19

  • 2019

  9020 8 Эмпирический анализ классифицированных объявлений прогнозирует Набор данных Avito проводится для разработки моделей прогнозирования с использованием трех отдельных методов машинного обучения и пяти обучающихся ансамблей и показывает, что алгоритм Extreme Gradient Boosting Machine (XGBoost) является наиболее точной моделью.

  Stock&Buy: новый инструмент прогнозирования спроса для управления запасами

  Fatima-Zohra Benhamida, Ouahiba Kaddouri, Tahar Ouhrouche, M. Benaichouche, D. Casado-Mansilla, D. López-de-Ipiña

  Business

  20 20 5-я Международная конференция по интеллектуальным и устойчивым технологиям (SpliTech)

  • 2020

  Новый инструмент прогнозирования спроса Comb-TSB предлагается для прерывистых и неравномерных моделей спроса, а подход на основе кластеризации (ClustAvg) предлагается для прогнозирования спроса на новые продукты у которых очень мало или нет данных истории продаж.

  Производный спрос на рекламные расходы и влияние на устойчивость: сравнительное исследование с использованием методов глубокого и традиционного машинного обучения

  Суле Бирим, Ипек Казанкоглу, С. Мангла, Айсун Кахраман, Ю. Казанчоглу

  Информатика, бизнес

  Анналы исследований операций

  • 2022

  Долговременная память превосходит другие модели в предоставлении высокоточных результатов прогнозирования спроса на основе рекламных расходов с точки зрения точности прогнозирования спроса.

  Инструмент прогнозирования спроса для интеллектуальных систем управления запасами

  Fatima-Zohra Benhamida, Ouahiba Kaddouri, Tahar Ouhrouche, Mohammed Benaichouche, D. Casado-Mansilla, D. López-de-Ipiña

  Business

  Journal of Communications Software and Systems

  • 2021

  Представлен обширный обзор литературы о методах прогнозирования спроса на данные временных рядов, а также предложен новый инструмент прогнозирования спроса для управления запасами, который обеспечивает хорошую точность прогнозирования и подтвержден на примере Stock&Buy.

  Сравнительное исследование прогнозирования спроса на основе методов машинного обучения с подходом временных рядов

  Акбар Аббаспур Гадим Бонаб

  Информатика

  • 2021

  женская роскошная сумка на основе структуры и с использованием методов машинного обучения, и делается вывод, что модели показали себя достаточно хорошо.

  Регрессия структурного ансамбля для кластерного прогнозирования совокупного спроса на электроэнергию

  Димитриос Контояннис, Д. Баргиотас, Аспассия Даскалопулу, Афанасиос Иоаннис Арванитидис, Л. Цукалас регрессоры суммирования и голосования в структуре агрегированного прогнозирования на основе кластеров который фокусируется на изучении эффективности прогнозирования на пиковых и непиковых наблюдениях для разработки структурно гибких оценок для каждого кластера.

  Прогнозирование ремонтопригодности программного обеспечения с использованием методов ансамбля и многоуровневого обобщения

  Сара Эльмидауи, Л. Шейхи, А. Идри, А. Абран

  Информатика

  IWSM-Mensura

  • 2020

  9020 8 В этом исследовании исследуются ансамблевые методы (однородные, а также как гетерогенный) для прогнозирования ремонтопригодности с точки зрения изменений линейного кода и предполагает, что Gradient Boosting и Extra Trees являются лучшими ансамблями для всех наборов данных, поскольку они занимают первое и второе места соответственно.

  Классификация и прогнозирование энергетических моделей в образовательном учреждении с использованием платформы глубокого обучения

  А. В. Дхарссини, С. Чарльз Раджа, Т. Картик, П. Венкатеш

  Информатика

  Электроэнергетические компоненты и системы

  • 2022

  90 179

  Абстрактное здание Управление энергопотреблением — это наиболее многообещающий, популярный и важный способ повышения энергоэффективности здания, но он варьируется от одной системы к другой. Этого можно достичь только…

  Аналитика для интернет-магазина: прогнозирование спроса и оптимизация цен

  К. Феррейра, Б. Ли, Д. Симчи-Леви

  Информатика

  Производство. Серв. Опер. Управление

  • 2016

  В этой работе разрабатывается алгоритм для эффективного решения последующей оптимизации цен на несколько продуктов, который включает эффекты эталонных цен, а также создается и внедряется этот алгоритм в инструмент поддержки принятия решений о ценообразовании для повседневного использования Rue La La.

  Прогнозирование продаж с использованием машин для экстремального обучения с приложениями в розничной торговле модной одеждой

  Zhan-Li Sun, T. Choi, K. Au, Yong Yu

  Компьютерные науки, бизнес

  Decis. Система поддержки

  • 2008

  Система краткосрочного и среднесрочного прогнозирования продаж текстильных изделий

  S. Thomassey, M. Happiette, N. Dewaele, J. Castelain

  Business

  • 2002 9017 6

  Сократить свои запасы и ограничение дефицита, текстильные компании должны улучшить управление цепочками поставок. Это требует систем прогнозирования продаж, адаптированных к неопределенной среде…

  Прогнозирование спроса на энергию с использованием сетей GMDH

  D. Шринивасан

  Машиностроение

  Нейрокомпьютинг

  • 2008

  Улучшение управления цепочками поставок на основе гибридных прогнозов спроса

  Луис А. burto, R. Weber

  Business

  Appl. Мягкий компьютер.

  • 2007

  Прогнозирование продаж женской одежды с использованием математического моделирования

  Селия Франк, А. Гарг, Л. Штандера, А. Рахея

  Информатика

  • 2003

  Два подхода были исследованы для прогнозирования продаж женской одежды, моделирования статистических временных рядов и моделирования с использованием ИНС, и модель, основанная на ИНС, дала более высокое среднее значение R2, чем у статистических моделей, но корреляции между фактическим и прогнозируемым ниже, чем у трехпараметрической модели Винтерса.