JP2021507323A - モデル生成のための動的な特徴選択 - Google Patents
モデル生成のための動的な特徴選択 Download PDFInfo
- Publication number
- JP2021507323A JP2021507323A JP2019557753A JP2019557753A JP2021507323A JP 2021507323 A JP2021507323 A JP 2021507323A JP 2019557753 A JP2019557753 A JP 2019557753A JP 2019557753 A JP2019557753 A JP 2019557753A JP 2021507323 A JP2021507323 A JP 2021507323A
- Authority
- JP
- Japan
- Prior art keywords
- model
- features
- training
- algorithm
- sales
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 54
- 238000012549 training Methods 0.000 claims abstract description 52
- 238000012360 testing method Methods 0.000 claims abstract description 28
- 238000010200 validation analysis Methods 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims description 33
- 238000012417 linear regression Methods 0.000 claims description 17
- 238000010801 machine learning Methods 0.000 claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 238000012706 support-vector machine Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 28
- 230000000694 effects Effects 0.000 description 18
- 230000002776 aggregation Effects 0.000 description 14
- 238000004220 aggregation Methods 0.000 description 14
- 238000004519 manufacturing process Methods 0.000 description 14
- 235000013618 yogurt Nutrition 0.000 description 14
- 230000001737 promoting effect Effects 0.000 description 13
- 238000012384 transportation and delivery Methods 0.000 description 12
- 238000007726 management method Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000005070 sampling Methods 0.000 description 7
- 238000013459 approach Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 101001095088 Homo sapiens Melanoma antigen preferentially expressed in tumors Proteins 0.000 description 3
- 102100037020 Melanoma antigen preferentially expressed in tumors Human genes 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000001364 causal effect Effects 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000013213 extrapolation Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 108010044370 Oraza Proteins 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000013277 forecasting method Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000005389 magnetism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012261 overproduction Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004579 scanning voltage microscopy Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Optimization (AREA)
- Databases & Information Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
一実施形態は、一般にコンピュータシステムに向けられ、特にモデル生成のための特徴を動的に選択するコンピュータシステムに向けられる。
一般に、製品は、製造業者、卸業者、輸送業者、小売業者などのネットワークを介して消費者に配達される。協力して製品を消費者に配達するこのような機関のネットワークは、一般に「サプライチェーン」ネットワークと称される。
実施形態では、最適化された特徴セットを含む製品の需要のモデルを生成する。実施形態では、上記製品の売上履歴を受信し、上記製品の関連特徴のセットを受信して、上記関連特徴のサブセットを必須の特徴として指定する。実施形態では、上記売上履歴から、訓練データセットおよび検証データセットを形成し、上記関連特徴のセットから1つ以上の任意の特徴を無作為に選択する。実施形態では、上記選択された任意の特徴を上記必須の特徴とともに含めて、特徴テストセットを作成する。実施形態では、上記訓練データセットおよび上記特徴テストセットを使用してアルゴリズムを訓練して、訓練されたアルゴリズムを生成し、上記訓練されたアルゴリズムおよび上記検証データセットを使用して早期終了メトリックを計算する。上記早期終了メトリックが予め規定された閾値を下回る場合、上記特徴テストセットは、上記最適化された特徴セットであり、上記早期終了メトリックが上記予め規定された閾値を下回らない場合、実施形態では、上記無作為に選択すること、上記訓練することおよび上記計算することを繰り返す。
一実施形態では、アイテムの需要予測を判断するためにそのアイテムについて関連特徴セットを判断する。特徴セットは、必須の特徴と任意の特徴とを含む。判断された特徴を使用して1つ以上のモデルを訓練し、次にこの1つ以上のモデルを使用して需要予測を生成する。
214において、206からの訓練データセットおよび特徴テストセットSの特徴(すなわち、必須の特徴および任意の特徴の両方)を使用してアルゴリズムを訓練して、訓練されたアルゴリズム(すなわち、モデル)を生成する。訓練されるアルゴリズムは、上記のような任意の所望のアルゴリズム(たとえば、線形回帰、ANNなど)であってもよい。
予想値(i=1)=3
予想値(i=2)=2
予想値(i=3)=1。
実際の値(i=1)=1
実際の値(i=2)=2
実際の値(i=3)=3。
502の結果、N個のデータ点を用いて訓練データセットDが形成される。この例では、所与の集計レベルは、サブクラス/店舗である。
y=4×0.5+4.5×0.3+3.9×0.2=4.13
514において、最終的な需要予測を製造生産、出荷ロジスティクスおよび在庫管理に使用する。最終的な需要予測は、一実施形態では、在庫管理システム、製造システム、出荷およびロジスティクスシステム、ならびに売上支援システムなどの他の特定目的コンピュータに送信される。最終的な需要予測は、一実施形態では、個々のデータビットの形式であり、これらの個々のデータビットは、需要予測から翻訳されて、格納され、他の専門のコンピュータシステムに送信され、そこでそれらのシステムによって格納され、利用される。その結果、さらに他のアイテムが製造、格納、出荷などされ得て、アイテムの最適な価格設定を行うことができる。
ベース需要は、移動平均、単純指数平滑化などの公知の方法を使用してアイテム/店舗レベルで計算することができる。季節性は、加法および乗法ウィンタース指数平滑化法などの公知の方法を使用してカテゴリ/領域レベルで計算することができる。課題は、10個のプロモーション効果を推定すること(すなわち、プロモーションが実施されている各販売期間中の売上予測に対する各プロモーションの効果を推定すること)である。この例では、2年間の売上履歴しかないので、公知の推定方法を使用してアイテム/店舗レベルでプロモーション効果を推定することは困難である。
13週間の販売期間中の各週について、および所与の店舗/SKU(たとえば、特定の小売店で販売された特定のタイプのヨーグルト)について、行701は、ベースライン需要を示し、行702は、季節性を示し、行702〜712は、各プロモーションについての、対応する週の間中ずっとそのプロモーションがアクティブであったか否かを示す(「X」で示される)。行713は、対応する期間中の実際の売り上げを示す。
Claims (20)
- 最適化された特徴セットを備える製品の需要のモデルを生成する方法であって、
前記製品の売上履歴を受信するステップと、
前記製品の関連特徴のセットを受信して、前記関連特徴のサブセットを必須の特徴として指定するステップと、
前記売上履歴から、訓練データセットおよび検証データセットを形成するステップと、
前記関連特徴のセットから1つ以上の任意の特徴を無作為に選択し、前記選択された任意の特徴を前記必須の特徴とともに含めて、特徴テストセットを作成するステップと、
前記訓練データセットおよび前記特徴テストセットを使用してアルゴリズムを訓練して、訓練されたアルゴリズムを生成するステップと、
前記訓練されたアルゴリズムおよび前記検証データセットを使用して早期終了メトリックを計算するステップと、
前記早期終了メトリックが予め規定された閾値を下回る場合、前記特徴テストセットは、前記最適化された特徴セットであるステップと、
前記早期終了メトリックが前記予め規定された閾値を下回らない場合、前記無作為に選択するステップ、前記訓練するステップおよび前記計算するステップを繰り返すステップとを備える、方法。 - 前記方法を繰り返して、複数の最適化された特徴セットを生成するステップをさらに備え、前記最適化された特徴セットの各々は、予測アルゴリズムに入力されて、訓練されたモデルを生成する、請求項1に記載の方法。
- 前記訓練データセットおよび前記検証データセットを形成するステップは、前記売上履歴の第1のサブセットを前記訓練データセットとして無作為に選択し、前記売上履歴の残りを前記検証データセットとして使用するステップを備える、請求項1に記載の方法。
- 前記アルゴリズムは、線形回帰、サポートベクターマシンまたは人工ニューラルネットワークのうちの1つを備える機械学習アルゴリズムを備える、請求項1に記載の方法。
- 前記早期終了メトリックは、平均絶対誤差率を備える、請求項1に記載の方法。
- 訓練セットを使用して前記最適化された特徴セットに対応する複数のモデルを訓練し、対応する検証セットを使用して各々の訓練されたモデルを検証して誤差を計算するステップと、
各モデルのモデル重みを計算するステップと、
各モデルについて予測と重みとを備えるモデル組み合わせを出力するステップと、
前記モデル組み合わせに基づいて将来の売り上げの予測を生成するステップとをさらに備える、請求項2に記載の方法。 - 前記誤差は、二乗平均平方根誤差(RMSE)であり、各訓練セットiの各モデルでは、前記モデル重みw(i)を計算するステップは、
- 命令を格納したコンピュータ読取可能媒体であって、前記命令は、プロセッサによって実行されると、前記プロセッサに最適化された特徴セットを生成させ、前記生成させることは、
製品の売上履歴を受信することと、
前記製品の関連特徴のセットを受信して、前記関連特徴のサブセットを必須の特徴として指定することと、
前記売上履歴から、訓練データセットおよび検証データセットを形成することと、
前記関連特徴のセットから1つ以上の任意の特徴を無作為に選択し、前記選択された任意の特徴を前記必須の特徴とともに含めて、特徴テストセットを作成することと、
前記訓練データセットおよび前記特徴テストセットを使用してアルゴリズムを訓練して、訓練されたアルゴリズムを生成することと、
前記訓練されたアルゴリズムおよび前記検証データセットを使用して早期終了メトリックを計算することと、
前記早期終了メトリックが予め規定された閾値を下回る場合、前記特徴テストセットは、前記最適化された特徴セットであることと、
前記早期終了メトリックが前記予め規定された閾値を下回らない場合、前記無作為に選択すること、前記訓練することおよび前記計算することを繰り返すこととを備える、コンピュータ読取可能媒体。 - 前記生成させることは、前記生成させることを繰り返して、複数の最適化された特徴セットを生成することをさらに備え、前記最適化された特徴セットの各々は、予測アルゴリズムに入力されて、訓練されたモデルを生成する、請求項8に記載のコンピュータ読取可能媒体。
- 前記訓練データセットおよび前記検証データセットを形成することは、前記売上履歴の第1のサブセットを前記訓練データセットとして無作為に選択し、前記売上履歴の残りを前記検証データセットとして使用することを備える、請求項8に記載のコンピュータ読取可能媒体。
- 前記アルゴリズムは、線形回帰、サポートベクターマシンまたは人工ニューラルネットワークのうちの1つを備える機械学習アルゴリズムを備える、請求項8に記載のコンピュータ読取可能媒体。
- 前記早期終了メトリックは、平均絶対誤差率を備える、請求項8に記載のコンピュータ読取可能媒体。
- 訓練セットを使用して前記最適化された特徴セットに対応する複数のモデルを訓練し、対応する検証セットを使用して各々の訓練されたモデルを検証して誤差を計算することと、
各モデルのモデル重みを計算することと、
各モデルについて予測と重みとを備えるモデル組み合わせを出力することと、
前記モデル組み合わせに基づいて将来の売り上げの予測を生成することとをさらに備える、請求項9に記載のコンピュータ読取可能媒体。 - 前記誤差は、二乗平均平方根誤差(RMSE)であり、各訓練セットiの各モデルでは、前記モデル重みw(i)を計算することは、
- 小売売上予測システムであって、
記憶装置に結合され、需要予測モジュールを実現するプロセッサを備え、
製品の売上履歴を受信することと、
前記製品の関連特徴のセットを受信して、前記関連特徴のサブセットを必須の特徴として指定することと、
前記売上履歴から、訓練データセットおよび検証データセットを形成することと、
前記関連特徴のセットから1つ以上の任意の特徴を無作為に選択し、前記選択された任意の特徴を前記必須の特徴とともに含めて、特徴テストセットを作成することと、
前記訓練データセットおよび前記特徴テストセットを使用してアルゴリズムを訓練して、訓練されたアルゴリズムを生成することと、
前記訓練されたアルゴリズムおよび前記検証データセットを使用して早期終了メトリックを計算することと、
前記早期終了メトリックが予め規定された閾値を下回る場合、前記特徴テストセットは、最適化された特徴セットであることと、
前記早期終了メトリックが前記予め規定された閾値を下回らない場合、前記無作為に選択すること、前記訓練することおよび前記計算することを繰り返すこととを備える、小売売上予測システム。 - 複数の最適化された特徴セットを生成することをさらに備え、前記最適化された特徴セットの各々は、予測アルゴリズムに入力されて、訓練されたモデルを生成する、請求項15に記載の小売売上予測システム。
- 前記訓練データセットおよび前記検証データセットを形成することは、前記売上履歴の第1のサブセットを前記訓練データセットとして無作為に選択し、前記売上履歴の残りを前記検証データセットとして使用することを備える、請求項15に記載の小売売上予測システム。
- 前記アルゴリズムは、線形回帰、サポートベクターマシンまたは人工ニューラルネットワークのうちの1つを備える機械学習アルゴリズムを備える、請求項15に記載の小売売上予測システム。
- 前記早期終了メトリックは、平均絶対誤差率を備える、請求項15に記載の小売売上予測システム。
- 訓練セットを使用して前記最適化された特徴セットに対応する複数のモデルを訓練し、対応する検証セットを使用して各々の訓練されたモデルを検証して誤差を計算することと、
各モデルのモデル重みを計算することと、
各モデルについて予測と重みとを備えるモデル組み合わせを出力することと、
前記モデル組み合わせに基づいて将来の売り上げの予測を生成することとをさらに備える、請求項16に記載の小売売上予測システム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/844,991 | 2017-12-18 | ||
US15/844,991 US11599753B2 (en) | 2017-12-18 | 2017-12-18 | Dynamic feature selection for model generation |
PCT/US2018/058919 WO2019125612A1 (en) | 2017-12-18 | 2018-11-02 | Dynamic feature selection for model generation |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2021507323A true JP2021507323A (ja) | 2021-02-22 |
JP2021507323A5 JP2021507323A5 (ja) | 2021-11-18 |
JP7340456B2 JP7340456B2 (ja) | 2023-09-07 |
Family
ID=64477282
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019557753A Active JP7340456B2 (ja) | 2017-12-18 | 2018-11-02 | モデル生成のための動的な特徴選択 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11599753B2 (ja) |
JP (1) | JP7340456B2 (ja) |
CN (1) | CN110392899B (ja) |
WO (1) | WO2019125612A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7162774B1 (ja) * | 2021-09-29 | 2022-10-28 | 三菱電機株式会社 | 需要予測装置及び需要予測方法 |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11062792B2 (en) | 2017-07-18 | 2021-07-13 | Analytics For Life Inc. | Discovering genomes to use in machine learning techniques |
US11139048B2 (en) | 2017-07-18 | 2021-10-05 | Analytics For Life Inc. | Discovering novel features to use in machine learning techniques, such as machine learning techniques for diagnosing medical conditions |
US11599753B2 (en) * | 2017-12-18 | 2023-03-07 | Oracle International Corporation | Dynamic feature selection for model generation |
DE102018118471A1 (de) * | 2018-07-31 | 2020-02-06 | Airbus Operations Gmbh | Vorrichtung und Verfahren zur Bereitstellung von Ersatzteilen eines Luftfahrzeuges |
US11080726B2 (en) * | 2018-08-30 | 2021-08-03 | Oracle International Corporation | Optimization of demand forecast parameters |
US11042837B2 (en) * | 2018-09-14 | 2021-06-22 | Walmart Apollo, Llc | System and method for predicting average inventory with new items |
US11107166B2 (en) * | 2018-09-25 | 2021-08-31 | Business Objects Software Ltd. | Multi-step day sales outstanding forecasting |
US11544724B1 (en) * | 2019-01-09 | 2023-01-03 | Blue Yonder Group, Inc. | System and method of cyclic boosting for explainable supervised machine learning |
US11694124B2 (en) * | 2019-06-14 | 2023-07-04 | Accenture Global Solutions Limited | Artificial intelligence (AI) based predictions and recommendations for equipment |
US11321651B2 (en) * | 2019-12-30 | 2022-05-03 | Coupang Corp. | Cycle and safety stock determination systems |
US11790268B1 (en) * | 2020-01-13 | 2023-10-17 | Blue Yonder Group, Inc. | Causal inference machine learning with statistical background subtraction |
US20210312488A1 (en) * | 2020-03-02 | 2021-10-07 | Blue Yonder Group, Inc. | Price-Demand Elasticity as Feature in Machine Learning Model for Demand Forecasting |
EP3879479A1 (en) * | 2020-03-11 | 2021-09-15 | Tata Consultancy Services Limited | System and method for inventory based product demand transfer estimation in retail |
CN113743971A (zh) * | 2020-06-17 | 2021-12-03 | 北京沃东天骏信息技术有限公司 | 一种数据处理方法和装置 |
US11854023B2 (en) * | 2020-10-16 | 2023-12-26 | Tata Consultancy Services Limited | System and method for sales volume decomposition |
US20220138504A1 (en) * | 2020-10-29 | 2022-05-05 | Oracle International Corporation | Separation maximization technique for anomaly scores to compare anomaly detection models |
US12008497B2 (en) * | 2020-12-03 | 2024-06-11 | Nb Ventures, Inc. | Demand sensing and forecasting |
WO2022180514A1 (en) * | 2021-02-24 | 2022-09-01 | Vascode Technologies Ltd. | System and methods for automated management of consignment cycles |
US20220343234A1 (en) * | 2021-04-22 | 2022-10-27 | Sensormatic Electronics, LLC | Method for hybrid machine learning for shrink prevention system |
US11507922B1 (en) * | 2021-06-24 | 2022-11-22 | Coupang Corp. | Computer-implemented systems and methods for artificial intelligence (AI)-based inbound plan generation using fungibility logic |
US20220414690A1 (en) * | 2021-06-29 | 2022-12-29 | Ncr Corporation | Two-tiered forecasting |
US12020196B2 (en) | 2021-09-28 | 2024-06-25 | Oracle International Corporation | Optimized tree ensemble based demand model |
US20230120747A1 (en) * | 2021-10-20 | 2023-04-20 | EMC IP Holding Company LLC | Grey market orders detection |
US11853392B2 (en) | 2021-11-30 | 2023-12-26 | International Business Machines Corporation | Providing reduced training data for training a machine learning model |
US20230196278A1 (en) * | 2021-12-16 | 2023-06-22 | International Business Machines Corporation | Network inventory replenishment planner |
US20230376981A1 (en) * | 2022-05-17 | 2023-11-23 | Simporter, Inc. | Predictive systems and processes for product attribute research and development |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009104408A (ja) * | 2007-10-23 | 2009-05-14 | Ntt Data Corp | 統合需要予測装置、統合需要予測方法、及び統合需要予測プログラム |
JP2015076091A (ja) * | 2013-10-09 | 2015-04-20 | 富士通株式会社 | 時系列予測アンサンブル |
WO2016148107A1 (ja) * | 2015-03-16 | 2016-09-22 | 国立大学法人東京農工大学 | データ処理装置、データ処理方法、および、データ処理用プログラム |
US20170255952A1 (en) * | 2016-03-07 | 2017-09-07 | Adobe Systems Incorporated | Efficient feature selection for predictive models using semantic classification and generative filtering |
Family Cites Families (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050288993A1 (en) | 2004-06-28 | 2005-12-29 | Jie Weng | Demand planning with event-based forecasting |
US7680686B2 (en) * | 2006-08-29 | 2010-03-16 | Vendavo, Inc. | System and methods for business to business price modeling using price change optimization |
US8738549B2 (en) * | 2010-12-21 | 2014-05-27 | International Business Machines Corporation | Predictive modeling |
US20120209660A1 (en) * | 2011-02-16 | 2012-08-16 | Knowledge Support Systems Ltd. | Fuel price data generation |
US8620707B1 (en) | 2011-06-29 | 2013-12-31 | Amazon Technologies, Inc. | Systems and methods for allocating inventory in a fulfillment network |
US9715702B2 (en) * | 2013-03-19 | 2017-07-25 | Clear Demand, Inc. | System and method for determining retail-business-rule coefficients from current prices |
US20130325551A1 (en) * | 2012-06-05 | 2013-12-05 | Clear Demand, Inc. | System and method for modeling demand and optimizing prices with immunity to out-of-stock events |
US9940649B2 (en) * | 2012-10-10 | 2018-04-10 | Clear Demand, Inc. | System and method for integrating retail price optimization for revenue and profit with business rules |
US20170068973A1 (en) | 2012-12-03 | 2017-03-09 | Dimitri Sinkel | System and method for inventory management |
US20140257924A1 (en) * | 2013-03-08 | 2014-09-11 | Corelogic Solutions, Llc | Automated rental amount modeling and prediction |
US20150100384A1 (en) * | 2013-10-04 | 2015-04-09 | International Business Machines Corporation | Personalized pricing for omni-channel retailers with applications to mitigate showrooming |
US20150178751A1 (en) * | 2013-12-23 | 2015-06-25 | Kalibrate Technologies Plc | Fuel price data generation |
US10169715B2 (en) * | 2014-06-30 | 2019-01-01 | Amazon Technologies, Inc. | Feature processing tradeoff management |
US10402749B2 (en) | 2014-08-25 | 2019-09-03 | Shl Us Llc | Customizable machine learning models |
US20160162779A1 (en) * | 2014-12-05 | 2016-06-09 | RealMatch, Inc. | Device, system and method for generating a predictive model by machine learning |
JP2018506789A (ja) | 2015-01-19 | 2018-03-08 | ディベロップメント ピーアイ インコーポレイテッド | 配送ネットワークを管理および最適化するためのシステムおよび方法 |
US10515378B2 (en) * | 2015-09-14 | 2019-12-24 | Adobe Inc. | Extracting relevant features from electronic marketing data for training analytical models |
US10636079B2 (en) | 2015-09-18 | 2020-04-28 | Bby Solutions, Inc. | Demand-based product sourcing |
US10740773B2 (en) | 2015-12-09 | 2020-08-11 | Walmart Apollo, Llc | Systems and methods of utilizing multiple forecast models in forecasting customer demands for products at retail facilities |
US10832194B2 (en) * | 2016-05-10 | 2020-11-10 | International Business Machines Corporation | System and method for setting inventory thresholds for offering and fulfillment across retail supply networks |
US20180341898A1 (en) * | 2017-05-24 | 2018-11-29 | Sears Brands, L.L.C. | Demand forecast |
CN107273454B (zh) * | 2017-05-31 | 2020-11-03 | 北京京东尚科信息技术有限公司 | 用户数据分类方法、装置、服务器和计算机可读存储介质 |
US11599753B2 (en) * | 2017-12-18 | 2023-03-07 | Oracle International Corporation | Dynamic feature selection for model generation |
US11562294B2 (en) * | 2019-05-29 | 2023-01-24 | Samsung Sds Co., Ltd. | Apparatus and method for analyzing time-series data based on machine learning |
EP4055551A4 (en) * | 2019-11-05 | 2023-12-06 | Strong Force VCN Portfolio 2019, LLC | CONTROL TOWER AND BUSINESS MANAGEMENT PLATFORM FOR VALUE CHAIN NETWORKS |
-
2017
- 2017-12-18 US US15/844,991 patent/US11599753B2/en active Active
-
2018
- 2018-11-02 CN CN201880015774.8A patent/CN110392899B/zh active Active
- 2018-11-02 JP JP2019557753A patent/JP7340456B2/ja active Active
- 2018-11-02 WO PCT/US2018/058919 patent/WO2019125612A1/en active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009104408A (ja) * | 2007-10-23 | 2009-05-14 | Ntt Data Corp | 統合需要予測装置、統合需要予測方法、及び統合需要予測プログラム |
JP2015076091A (ja) * | 2013-10-09 | 2015-04-20 | 富士通株式会社 | 時系列予測アンサンブル |
WO2016148107A1 (ja) * | 2015-03-16 | 2016-09-22 | 国立大学法人東京農工大学 | データ処理装置、データ処理方法、および、データ処理用プログラム |
US20170255952A1 (en) * | 2016-03-07 | 2017-09-07 | Adobe Systems Incorporated | Efficient feature selection for predictive models using semantic classification and generative filtering |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7162774B1 (ja) * | 2021-09-29 | 2022-10-28 | 三菱電機株式会社 | 需要予測装置及び需要予測方法 |
WO2023053236A1 (ja) * | 2021-09-29 | 2023-04-06 | 三菱電機株式会社 | 需要予測装置及び需要予測方法 |
Also Published As
Publication number | Publication date |
---|---|
US11599753B2 (en) | 2023-03-07 |
CN110392899A (zh) | 2019-10-29 |
WO2019125612A1 (en) | 2019-06-27 |
US20190188536A1 (en) | 2019-06-20 |
CN110392899B (zh) | 2023-09-15 |
JP7340456B2 (ja) | 2023-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7340456B2 (ja) | モデル生成のための動的な特徴選択 | |
JP7121118B2 (ja) | 重み付けされた混合機械学習モデルを使用した需要予測 | |
US10997614B2 (en) | Flexible feature regularization for demand model generation | |
US20210334844A1 (en) | Method and system for generation of at least one output analytic for a promotion | |
JP7402791B2 (ja) | 需要予測パラメータの最適化 | |
US11270326B2 (en) | Price optimization system | |
US20180365714A1 (en) | Promotion effects determination at an aggregate level | |
US20210224833A1 (en) | Seasonality Prediction Model | |
US20240046289A1 (en) | System and Method of Cyclic Boosting for Explainable Supervised Machine Learning | |
CN115668259A (zh) | 自动聚类预测模型 | |
US20200104771A1 (en) | Optimized Selection of Demand Forecast Parameters | |
WO2023056115A1 (en) | Optimized tree ensemble based demand model | |
Chen et al. | A multiobjective optimization for clearance in walmart brick-and-mortar stores | |
US11354686B2 (en) | Short life cycle sales curve estimation | |
JP2024514309A (ja) | 在庫割り当ておよびプライシング最適化システム | |
Stanelytė | Inventory Optimization in Retail Network by Creating a Demand Prediction Model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211006 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211006 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221028 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221115 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230214 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230801 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230828 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7340456 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |