Российские учёные придумали алгоритм, который способен предсказать спрос на различные товары Учёные из МТУСИ разработали эффективное решение для прогнозирования спроса на товары, которое особенно актуально в условиях растущих объёмов продаж. В исследовании изучались методы машинного обучения, чтобы помочь бизнесу предугадывать, какие товары будут востребованы. Это значительно упрощает задачу анализа больших массивов данных, с которыми традиционные статистические методы не справляются. Для тестирования использовались модели машинного обучения, включая XGBoost, LightGBM и другие. Исследователи Юрий Леохин и Тимур Фатхулин оценивали их по трём ключевым параметрам: точность, устойчивость и производительность. Среди множества протестированных решений наиболее эффективной оказалась модель XGBoost, которая сочетает в себе высокую точность и стабильность прогнозов. Она работала с данными из разных источников, например, розничных сетей и предприятий, что делает её универсальной. Авторы исследования отметили, что XGBoost особенно эффективна благодаря возможности тонкой настройки параметров. В будущем они планируют усовершенствовать модель, уделяя больше внимания обработке данных и выбору характеристик. Их работа может стать основой для создания умных систем прогнозирования, которые найдут применение в розничной торговле, производстве и других областях, где важно заранее знать спрос на продукцию.