Analysis of sales influencing factors and prediction of sales in supermarket based on machine learning technique

การวิเคราะห์ปัจจัยที่มีผลต่อการขายและการทํานายการขายในซูเปอร์มาเก็ตด้วยเทคนิคการเรียนรู้ของเครื่อง

Name: Yang, Jie

LCSH: Sales forecasting

LCSH: Selling

LCSH: Business forecasting

LCSH: Supermarkets

Abstract: At this stage, the development of Internet technology and computer hardware has generated a huge amount of data, and this huge amount of data has become the sustenance for the development of machine learning, which is often used in business and industry to predict customer behavior, product production cycles, and the expected amount of product sales. There is a relatively well-established process for using machine learning to predict influencing factors and sales, but for small and medium-sized enterprises, they often face problems such as low data volume and unrepresentative data types, and the large data requirements become the threshold for using machine learning methods to help business activities. The original data for this study was sourced from publicly available data from Alibaba's Tianchi, containing sales data from a small shop in three different branches. This thesis examines the influencing factors in terms of the relevance of the data, using a random forest regression approach to ranking the importance of features. In order to predict sales, this thesis applies the pre-trained model in the field of neural network fine-tuning (migration learning) to the analysis of small data. First, using publicly available big data to pre-trained models in related fields, and then using the influencing factors obtained from the previous study to fit the pre-trained models. The model training results show a high degree of interpretability, which indicates that this thesis is very accurate in selecting the features of the influencing factors. The thesis also uses different machine learning regression models (including bagging, boosting and lasso) to make predictions and to verify the validity of the pre-trained machine learning model for small data

Abstract: พัฒนาการของเทคโนโลยีอินเตอร์เน็ตและคอมพิวเตอร์ฮาร์ดแวร์ส่งผลให้เกิดข้อมูลปริมาณมหาศาล และข้อมูลปริมาณมหาศาลเหล่านี้ถูกนำมาใช้และพัฒนาด้วยการเรียนรู้ของเครื่อง ซึ่งในปัจจุบันมีการใช้งานอย่างแพร่หลายในธุรกิจและอุตสาหกรรมต่าง ๆ เพื่อพยากรณ์พฤติกรรมของลูกค้าวงจรชีวิตของผลิตภัณฑ์ และยอดขาย การพยากรณ์หาปัจจัยที่มีอิทธิพลและยอดขายโดยการเรียนรู้ของเครื่องนั้นมีการประยุกต์ใช้อย่างกว้างขวาง อย่างไรก็ตามในองค์กรขนาดล็กและขนาดกลางมักพบปัญหาปริมาณข้อมูลไม่เพียงพอ หรือข้อมูลขาดคุณภาพ ซึ่งส่งผลให้ประสิทธิภาพของการเรียนรู้ของเครื่องด้อยลง งานวิจัยชิ้นนี้นำข้อมูลดิบมาจาก Tianchi ของ Alibaba ซึ่งนำเสนอข้อมูลยอดขายของร้านค้าขนาดเล็กจำนวน 3 สาขา ข้อมูลเหล่านี้ถูกนำมาวิเคราะห์เพื่อหาปัจจัยที่มีอิทธิพลโดยใช้ Random Forest Regression เพื่อจัดลำดับความสำคัญของคุณสมบัติที่เกี่ยวข้อง งานวิจัยชิ้นนี้พยากรณ์ยอดขาย โดยปรับจูนโครงข่ายประสาทเทียมเพื่อวิเคราะห์ข้อมูลขนาดเล็ก โดยฝึกฝนต้นแบบด้วยข้อมูลขนาดใหญ่ รวมถึงอ้างอิงปัจจัยที่มีอิทธิพลพื้นฐานจากงานวิจัยที่เกี่ยวข้อง ผลการทดลองพบว่า ต้นแบบสามารถการคัดเลือกปัจจัยที่มีอิทธิพลได้อย่างแม่นยำนอกจากนั้นงานวิจัยนี้ยังทำการทดสอบการเรียนรู้ของเครื่องในรูปแบบอื่น เช่น Bagging Boosting และ Lasso เพื่อทดสอบความถูกต้องของต้นแบบอีกด้วย

Chiang Mai University. Library

Address: CHIANG MAI

Email: cmulibref@cmu.ac.th

Name: Sakgasit Ramingwong

Role: Advisor

Created: 2022

Modified: 2023-10-22

Issued: 2023-10-22

วิทยานิพนธ์/Thesis

application/pdf

eng

DegreeName: Master of Science

Level: Master's degree

Descipline: Data Science

Grantor: Chiang Mai University

©copyrights Chiang Mai University

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	630632013.pdf	1.44 MB	14	2026-09-07 21:30:41

ใช้เวลา

0.036557 วินาที