Forecasting with ensemble methods: an application using fashion retail sales data

Abstract

In this project, ensemble methods of machine learning are used to predict short term store sales of a fashion retailer. Sales forecasts of various products at different stores are generated for a span of three months with bagging tree regressor, random forest regressor, and gradient boosting regressor algorithm. Algorithms are trained and evaluated with real past sales data of a Turkish fashion retailer. The predictive performance of the models is compared with linear regression. The results of the study show that random forest regressor shows the best performance

Bu projede topluluk metotları ile bir hazır giyim şirketininin mağazalarının satışı tahmin edilmiştir. Çeşitli ürünlerin farklı mağazalardaki satışının tahminleri, sonraki üç ay için torbalama-regresyon ağaçları, rassal orman regresyonu ve gradyan artırma regresyon ağaçları algoritmaları kullanarak üretilmiştir. Algoritmalar gerçek geçmiş satış verileri kullanılarak eğitilip, performansları değerlendirilmiştir. Algoritmaların tahmin performansı doğrusal regresyonla karşılaştırılmıştır. Çalışmanın sonuçlarına göre rassal orman regresyonu en yüksek performansı göstermiştir.