Сравнение моделей прогнозирования спроса продовольственных товаров с использованием алгоритмов машинного обучения с моделями временных рядов

Данная работа посвящена сравнению моделей прогнозирования спроса на продовольственные товары с использованием алгоритмов машинного обучения и моделей временных рядов. В условиях быстрого развития технологий и увеличения объема доступных данных для анализа точные прогнозы спроса становятся ключевым фактором конкурентоспособности в продовольственной отрасли. Целью работы является сравнение эффективности различных моделей прогнозирования спроса на продовольственные товары на основе алгоритмов машинного обучения и традиционных моделей временных рядов. Для достижения этой цели были поставлены задачи: рассмотреть основные модели временных рядов и алгоритмы машинного обучения, выявить их особенности и ограничения в контексте прогнозирования спроса на продовольственные товары, провести практическое исследование на данных, сравнить эффективность моделей по заданным метрикам и сформулировать рекомендации по выбору наиболее подходящего метода прогнозирования. В работе были рассмотрены и проанализированы различные модели временных рядов, такие как (S)ARIMA(X), Prophet, а также методы машинного обучения, включая полиномиальную регрессию, метод опорных векторов SVR, случайный лес и градиентный бустинг. Были выявлены особенности и ограничения каждого из методов в контексте прогнозирования спроса на продовольственные товары.