Introducción a Nixtla para la previsión de la demanda.
Una introducción a Nixtla para la previsión de la demanda.
A través de la Competencia de Pronóstico de Demanda M5, aprende cómo utilizar el paquete de pronóstico de Nixtla.
El pronóstico preciso desempeña un papel crítico en la toma de decisiones informadas y en mantenerse por delante de la competencia en el paisaje empresarial en constante cambio de hoy en día. Te presentamos Nixtla Verse, una plataforma que democratiza el acceso a modelos predictivos de vanguardia.
Utiliza este sistema para desbloquear el potencial de modelos estadísticos avanzados, aprendizaje profundo y aprendizaje automático para pronósticos precisos. Adecuado para venta al por menor, finanzas, logística y cualquier otro negocio que dependa de predicciones precisas.
El paquete de Pronóstico de Nixtla es excelente para profesionales que desean acelerar la comparación y el desarrollo de modelos. Si no necesitas un algoritmo altamente personalizado para pronosticar tus datos, este paquete puede proporcionar muy buenos resultados la mayor parte del tiempo utilizando una interfaz similar a scikit que facilita su uso.
Breve presentación de la competencia M5
Las “Competencias M” son una serie de competencias abiertas organizadas por equipos liderados por el investigador de pronósticos Spyros Makridakis y destinadas a evaluar y comparar la precisión de diferentes métodos de pronóstico: https://www.kaggle.com/c/m5-forecasting-accuracy
- BERTopic ¿Qué tiene de especial la versión 0.16?
- Cuantificar el consumo de electricidad de la AI generativa
- Principales trabajos importantes sobre visión por computadora de la semana del 04/12 al 10/12
En esta competencia, utilizamos datos jerárquicos de ventas de Walmart para pronosticar las ventas diarias de los próximos 28 días. Los datos cubren tiendas en tres estados de EE. UU. (California, Texas y Wisconsin) e incluyen detalles de nivel de artículo, departamento, categorías de productos y tiendas. Además, tiene variables explicativas como precio, promociones, día de la semana y eventos especiales.
Algunos datos sobre el conjunto de datos y la competencia:
- La mayoría de las más de 42,840 series de tiempo tienen intermitencia (ventas esporádicas, incluyendo ceros).
- Esta competencia utiliza un error cuadrático medio escalado ponderado.
- Además de los datos de series de tiempo, también incluye variables explicativas como precio, promociones, día de la semana y eventos especiales (por ejemplo, Super Bowl, Día de San Valentín y Pascua Ortodoxa) que afectan las ventas y se utilizan para mejorar la precisión del pronóstico.
![Jerarquía de datosFuente: https://mofc.unic.ac.cy/m5-competition](https://ai.miximages.com/miro.medium.com/v2/resize:fit:640/format:webp/1*yN6aqdg_Gqt-eowEP-BfUA.png)
We will continue to update Zepes; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
- Tendencias de IA en ciberseguridad para observar en 2024
- Principales repositorios de Generative AI en GitHub para revisar en 2023
- ¿Por qué el modelo de IA Orca-2 de Microsoft marca un avance significativo en la IA sostenible?
- Mistral AI presenta Mixtral 8x7B un potente modelo disperso de mezcla de expertos
- Una Exploración Integral de las Pruebas de Accesibilidad Automatizadas vs. Manuales
- Empezando con MyScale a través del cliente de Python
- Lo que las empresas deben saber sobre los grandes modelos de lenguaje