ANÁLISIS DE PREDICCIÓN DE VENTAS EN STOP STORE

En la actualidad, los grandes centros de distribución de supermercados, conocidos como Big Marts, realizan un seguimiento del volumen de ventas y las cifras de ingresos de cada producto, con el fin de prever el posible consumo interno y revisar el control de inventarios. Al explorar el servidor de la base de datos del almacén de datos, se encuentran con frecuencia incoherencias y patrones generales. Estas estadísticas pueden ser utilizadas por empresas como Big Mart para prever las posibles ventas de productos mediante diversos métodos que implican el aprendizaje automático. En este proyecto, hemos utilizado múltiples algoritmos de aprendizaje automático como la regresión lineal, la regresión Ridge, la regresión Lasso, la regresión de árboles de decisión, la regresión de bosques aleatorios, el regresor de vectores de soporte, el regresor Adaboost y la regresión XGBoost para predecir las ventas de los productos en Big Mart. Observamos que entre los algoritmos mencionados XGBoost regresión funciona mejor en la predicción del volumen de ventas. Por lo tanto, hemos creado un modelo utilizando XGBoost Regression y lo hemos ajustado para mejorar la precisión.