文件名称：零售需求TSA：基于基于kaggle的在线零售发票在线数据集的时间序列分析
文件大小：30.37MB
文件格式：ZIP
更新时间：2024-03-21 12:49:36
零售需求预测 一家英国在线零售商的在线数据集的数据探索和预测。 包含大约12/2009-12/2011期间的发票数据。 数据探索 初始数据分析考虑了每日，每周和每月的销售量，同时还考虑了数据集的VWAP（体积加权平ASP格）。 最后，考虑了基于客户ID，国家/地区和产品类型的潜在影响者。 时间序列分析 每周和每月数据都适合一系列不同的预测模型。 解释12月季节性高峰的SARIMA模型具有最佳拟合和最合乎逻辑的预测：
【文件预览】：
Retail-Demand-TSA-master
----rdata.RData(14.64MB)
----Report.pdf(720KB)
----.Rhistory(20KB)
----Source.Rmd(10KB)
----arimaW.png(43KB)
----README.md(713B)
----online_retail_II.csv(90.46MB)
----arimaM.png(36KB)
----Code and Plots.pdf(313KB)
----Report.docx(779KB)