研究人员提出基于MNL模型的跨门店需求收缩估计器
热点事件持续更新
研究人员提出基于MNL模型的跨门店需求收缩估计器
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
研究人员Recep Yusuf Bekci等人在arXiv发布ML方向论文，针对跨门店选择型收益管理中的需求估计问题，提出了一种基于多项Logit需求模型的收缩估计器。 该估计器通过平衡本地估计精度与跨门店数据共享来提升性能，利用MNL似然函数的自协调性质建立了有限样本性能保证。 在欧洲服装零售商数百家门店的实证研究中，该方法展示了在不同数据环境下的运营收益，提升了样本外的产品优先级排序和收入获取。
AI 根据报道生成 · 13 小时前更新
最新进展10月22日 12:00
基于选择型收入管理的跨门店迁移学习报道时间线
沿着报道，了解事件的不同侧面。
10月22日
- arXiv · ML基于选择型收入管理的跨门店迁移学习
研究人员提出一种基于多项Logit需求模型的收缩估计器，用于平衡本地估计精度与跨门店数据共享。该估计器利用MNL似然函数的自协调性质建立有限样本性能保证，并通过数值实验展示了其在不同数据环境下的运营收益。在欧洲服装零售商数百家门店的实证研究中，该方法提升了样本外产品优先级排序和收入获取。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 910月22日 15:00
- 近 24 小时变化
- –
02.557.510
16:0018:0020:0022:0010月23日02:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。