Cikkünk előző részében górcső alá vettük az adat szerepét a kereslet előrejelzésében, és bemutattuk egyik korábbi projektünket, mely során létrehoztunk egy modellt, hogy közel egy hónapra előre tudjuk jelezni az eladásokat. A mai cikkben összegezzük a tapasztalatokat, és kiderül, hogy mindez sikerült-e!
A modell létrehozása
Korábbi tapasztalataink alapján a Gradient Boosting Tree modell mellett döntöttünk, mely több hasonló feladat során már bizonyított. Az iteratív “feature engineering” is egy ilyen típusú modellen történt, a hiperparaméterek optimalizálása pedig akkor történt meg, amikor a rendelkezésre álló adathalmazt már véglegesnek tekintettük.
A feladat eredményeképpen négy különböző modellt készítettünk, melyek a következő négy hét keresletének napi előrejelzését végzik az összes üzlet, összes termékére vonatkozóan. Jogos lehet a kérdés, hogy miért pont négy modellt használtunk, hiszen a logikusan hangzik, hogy több (pl. napi szintű vagy üzlet szintű) modell jobb eredményre lehet képes. Amellett, hogy az eredmények nem indokolták, ennek gyakorlati okai is vannak. Egy vállalati környezetbe integrált gépi tanulási eljárás kiértékelésének fontos szempontja a pontosság mellett az üzemeltethetőség és a karbantartás, amely kevesebb számú modell esetén egyszerűbb.
A modellek tesztelése
A termékek előre jelzett értékesítését úgy kaptuk meg, hogy a rendelkezésünkre álló adatok utolsó 28 napját levágtuk, félretettük tesztelésre, majd ezen a teszthalmazon futtattuk a betanított modelleket. Minden iterációban egy fixált mérőszámot, az átlagos négyzetes hibát (RMSE, Root Mean Squared Error) vizsgáltunk. Ezt a mérőszámot használtuk az adott adathalmaz, új leírók (feature-ök) és a modell verziók teljesítményének méréséhez. A következő iteráció sikerességét mindig annak alapján ítéltük meg, hogy mennyit tudott javítani az RMSE-n. Ez alapján fejlesztettük a feature-öket és a modellt, míg egy olyan megoldásig jutottunk, ami elég jó predikciókat tudott adni.
…és az eredmények
Mint azt cikkünk előző részében említettük, az adatokat egy Kaggle versenyből szereztük, így nem meglepő módon az általunk legtöbbet figyelt mérőszám az egész projekt alatt a versenyben elért helyezés volt, noha a céljaink között ez egyáltalán nem szerepelt. Érdemes volt figyelni, ugyanis végeredményünk a 27. helyre lett volna elég, amivel a körülményekhez képest teljesen elégedettek voltunk.
A lényeg mindenképp az előrejelzés pontossága volt, ahol szintén jól teljesítettünk, bár néhány esetben az elérhető adatok erősen limitálták azt:
- A modell jól teljesített, amennyiben a termék a teljes időszak alatt, vagy annak nagy részében rendelkezett eladással. Új termékeknél csak igen korlátozottan működött az előrejelzés.
- A modell jól teljesített, amennyiben az értékesített darabszám viszonylag nagy. A 0-5 darabos napi értékesítéssel rendelkező termékeknél a modell láthatóan sima átlagot adott.
- Az időnként érthetetlen nagy csúcsokat, amik nem voltak köthetőek konkrét eseményhez vagy szezonhoz, a modell nem pontosan jelezte előre, de a trendet eltalálta.
A feladatot regressziós problémaként fogtuk meg, így azt is megtudtuk, mik a legfontosabb, az előrejelzést leginkább befolyásoló leírók:
- item_id: A termék számmá kódolt azonosítója;
- week: Az év hányadik hete;
- mday: A hónap hányadik napja;
- lag_35: A 35 nappal ezelőtti eladások száma;
- rmax_28_7: A maximális eladásszám 28-35-el ezelőtti napok közt.
Modellprojektünk végül sikerrel zárult, és ez a siker megerősített minket abban, hogy bátran ajánljuk a termelő és kereskedelmi ügyfeleinknek a gépi tanuló algoritmusokra épülő kereslet-előrejelzést, amennyiben rendelkezésre áll elegendő hosszúságú idősor, és a termékek kereslete periódusonként nem minimális. Ha az Ön vállalkozásának is hasonló jellegű szolgáltatásra lenne szüksége, ne habozzon keresni minket!
