Enhanced predictive models for purchasing in the fashion field by using kernel machine regression equipped with ordinal logistic regression

شناسایی محصولاتی که در صنعت پوشاک مد بسیار به فروش می رسد، یکی از وظایف چالش برانگیز است که منجر به کاهش نوشتن و افزایش درآمد می شود. در حقیقت، فراتر از پیش بینی فروش به طور کلی یک سوال مهمی باقی می ماند که آیا یک محصول ممکن است به خوبی به فروش برود یا نه. فرض بر این که سه کلاس به عنوان مهم، متوسط ​​و غیر قابل اندازه گیری، مشکل پیش بینی به یک مشکل طبقه بندی می رسد، که در آن وظیفه پیش بینی طبقه یک محصول است. در این تحقیق، ما یک رویکرد احتمالاتی را برای شناسایی طبقه محصولات مد از نظر فروش ارائه می کنیم. پس از آن، ما ماشین آلات هسته را با یک روش احتمالاتی ترکیب می کنیم تا توانایی عملکرد ماشین آلات هسته ای را بالا ببریم و در نهایت بتوانیم از آن برای پیش بینی تعداد فروش استفاده کنیم. رویکرد پیشنهادی قوی تر از رد و بدل شدن (در مورد محصولات بسیار فروش شده) است و علاوه بر این از دانش قبلی استفاده می کند، از این رو نتایج قابل اعتمادتری را ارائه می دهد. برای بررسی رویکرد پیشنهادی، ما چندین آزمایش بر روی داده های واقعی استخراج شده از خرده فروش پوشاک در آلمان انجام دادیم.