量预测的可伸缩评级
摘要：销售预测的评估需要一个能够反映预测质量的评分，该评分需考虑理论上可能的情况和实践中合理的期望。在低计数率的细粒度预测中，往往会出现销售数据稀疏的情况，比如每个产品、每天、每个地点可能只有少数销售量的记录。这种情况下，预测受到泊松分布的统计不确定性的主导。这使得很难判断某个度量值是受到泊松噪声的影响还是真正反映了糟糕的预测模型。更糟糕的是，每个评估度量都受到缩放的影响：它的值主要通过预测的销售率和由此产生的与销售率相关的泊松噪声来定义，其次才是预测质量。对于任何度量，比较两组预测产品往往会得出 "销售较慢的产品表现较差" 或 "销售较快的产品表现较差" 的结论，即天真的缩放陷阱。为了提取出预测的内在质量，我们将预测分成大致相等的销售率区间，并分别评估每个区间的度量。通过将每个区间的实际值与基准进行比较，我们得到了一个考虑缩放的销售预测评估标准。我们的方法避免了天真的缩放陷阱，提供了直观的预测质量判断，并可用于比较不同产品甚至不同行业的预测。
作者：Malte C. Tichy, Illia Babounikau, Nikolas Wolke, Stefan Ulbrich, Michael Feindt
论文ID：2211.16313
分类：Applications
分类简称：stat.AP
提交时间：2023-05-10