FARE：因子感知检索融合零售预测方法

论文作者提出并发布了零售销量预测方法FARE（因子感知检索与误差引导融合），代码已公开。该方法针对目标周的各已知因子分别检索相似历史周，在固定预算下合并为因子参考，再通过两级门控融合形状参考并校正骨干预测。 据论文实验结果，在Favorita、M5、Rossmann、Rohlik四个数据集上，FARE使五种骨干模型的加权绝对百分比误差（WAPE）平均分别降低11.46%、4.06%、14.63%和10.16%。

AI 根据报道生成 · 45 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。