FARE：面向零售预测的因子感知检索方法

FARE方法由Chenghao Gu等人提出，旨在解决零售预测中完整因子组合历史先例稀缺的问题，通过因子感知检索与误差引导融合提升预测精度。 该方法在Favorita、M5、Rossmann和Rohlik数据集上进行验证，平均降低五个骨干模型的WAPE指标，降幅区间为4.06%至14.63%。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。