基于滞后特征工程与装袋树集成的周度销售额预测

《Machine Learning with Applications》：Forecasting Weekly Sales Using Lag-Based Feature Engineering and a Bagged Tree Ensemble

　　

准确零售销售预测对库存管理、人员配置及促销规划至关重要，但周度需求因强季节性、不规则促销活动及门店特异性行为而难以预测。研究人员针对沃尔玛门店-部门周度销售数据，提出了一种防泄漏预测框架，结合广泛的滞后特征工程与由装袋随机森林（Random Forest, RF）和轻量梯度提升机（LightGBM）组成的堆叠集成模型。为防止数据泄漏，采用65-15-20的严格时间划分策略，特征工程涵盖滞后销售额、滚动统计量、促销指标及宏观经济变量。研究评估了六种基线模型，包括线性回归、多层感知机（Multilayer Perceptron, MLP）、长短期记忆网络（Long Short-Term Memory, LSTM）、随机森林、极端梯度提升（eXtreme Gradient Boosting, XGBoost）及LightGBM。最终集成模型通过多种子装袋与岭回归（Ridge Regression）元学习训练，在保留测试集上取得R2=0.9809，优于所有单一模型及简化堆叠变体。结果表明，将方差缩减树集成与轻量元学习器结合，可为促销期零售需求预测提供稳定且精确的方法。

研究背景方面，零售销售预测是运营管理领域的核心问题，直接影响库存控制、人员配置与促销决策。与工业时间序列不同，零售需求受强季节性、异质性消费者行为及促销活动引发的需求突变影响，常导致传统统计模型的平滑性与稳定性假设失效。现有研究虽广泛采用机器学习方法，但在促销期的预测稳定性、数据泄漏防护及模型方差控制方面仍存在不足。大型零售商如沃尔玛的门店-部门周度销售表现出促销期尖峰、地域差异及节假日效应，传统线性与参数模型性能显著下降。因此，研究人员旨在构建一种兼顾高精度、鲁棒性与防泄漏特性的预测框架，以解决促销期需求波动带来的挑战。

关键技术方法方面，研究人员采用沃尔玛2010年2月5日至2012年10月26日的门店-部门周度销售数据集，包含宏观经济指标、燃油价格、节假日标记及促销降价变量。特征工程包括滞后销售额（1、2、4、8、26、52周）、13周滚动均值与标准差、月份与年内周次等季节指标、促销降价变量及宏观经济特征。模型方面，评估了线性回归、MLP、LSTM、RF、XGBoost及LightGBM六种基线模型，并通过多种子装袋（三个随机种子）减少方差，最终采用RF与LightGBM作为基学习器，以岭回归为元学习器构建堆叠集成。验证采用严格时间划分（65%-15%-20%）与前进式验证，确保无数据泄漏。

研究结果方面，首先，单模型性能显示LSTM表现最优（R²≈0.9688），其次为RF（R²≈0.9538）、XGBoost（R²≈0.9523）与LightGBM（R²≈0.9518），均显著优于线性回归（R²≈0.9255）。其次，堆叠集成（RF+LightGBM+线性回归元学习器）提升至R²≈0.9549，RF+XGBoost组合为R²≈0.9542，前者稳定性更佳。最终，多种子装袋结合岭回归元学习器的集成模型取得R²=0.9809，RMSE=0.0278，MAE=0.0098，显著优于单模型与简单堆叠。前进式验证中，该模型在多个时间折叠中保持R²>0.98，验证了时间稳定性。SHAP（SHapley Additive exPlanations）分析表明，滞后52周与滞后1周销售额为最重要特征，滚动统计量次之，促销变量贡献较小，宏观经济变量影响有限。目标洗牌诊断测试显示，洗牌后模型R²降至-0.0011，证实性能源于真实预测结构而非数据泄漏。

讨论与结论部分，研究人员指出，零售需求预测具有强非线性，尤其在促销期。树基模型能有效捕捉非规则模式与特征交互，而序列模型如LSTM在建模时间依赖性方面表现优异。堆叠可校正单模型误差，但仅通过装袋进一步降低方差，才能显著提升促销周的预测稳定性。该框架结合了滞后特征工程、多种子装袋与岭回归元学习，在保证防泄漏的同时实现了高精度与鲁棒性。研究发表于《Machine Learning with Applications》，为促销期零售需求预测提供了可部署的解决方案。未来可探索非线性元学习器、概率预测及自适应重训练策略，以提升在有限历史数据场景下的适用性。