Demand and Supply Planning with SAP APO.pdf

本PDF完整性可以保证（从封皮到书背面共491页），但是因为是影印版，画质较差，但是不影响学习阅读，求高质量PDF者慎下！

需求预测挑战 最佳入围 我最好的参赛作品是RMSE = 0.91890，挑战中排名第一的参赛作品是0.75368。 我的参赛作品约占榜首的25％。 我将XGBoost算法用于滞后特征工程。 介绍 使用Kaggle的竞赛。 该竞赛包含一个具有挑战性的时间序列数据集，其中包含每日销售数据，该数据集由俄罗斯最大的软件公司之一-1C公司提供。 任务是预测下个月每个产品和商店的总销售额。 先决条件 码头工人 薄片8 pytest 数据 数据当前已压缩，可以通过以下方式进行膨胀： cd source/ unzip data.zip 训练 在根目录中，使用以下命令打开一个tensorflow 2.3.0 docker容器的bash入口点： make run 如果在GPU机器上，请通过运行以下命令使GPU可见： make run.gpu 训练： python -m source.xgboos

Oracle CRM On Demand中文版手册, 2011年6月出版的，最新文档

WSN中的Ad-hoc On-Demand Distance Vector Routing英文论文原文，如果有需要的话就自行下载吧。

kaggle-bike-sharing-需求 我的 kaggle“游乐场”比赛代码

matlab fcm函数代码间歇性需求 这些代码需要在我的研究项目中重复使用。 不同的脚本执行不同的功能。 问题是这些代码没有相互链接。 Matlab代码1. Croston方法（函数，预测）2.灰度预测（函数预测）3.模糊聚类方法（脚本数据） R代码：1. ARIMA（脚本预测）2.分类（功能预测，模式分类）3. FCM（脚本模糊聚类）4. MSE（脚本MSE计算）

matlab二维光栅代码纽约市出租车需求预测 2017 年 4 月 29 日更新：新数据（demand.h5、holiday.txt、...）上传到 2017-04-12 更新：天气数据 (Meteorology.h5) 上传到 这在 onedrive 上不断更新。 2017-03-21 更新：HDF5 和假日数据上传到 原始数据来源 天气： 。 批量订单可通过 纽约出租车： 生成的数据是使用 2 年的原始黄色出租车数据（从 2014-07-01 到 2016-06-30）得出的。 目前，我们仅使用了 6 个月的原始数据，总大小为 10 GB . 数据生成过程（在 Mapreduce 工作流中设计和实现）需要 2.5 小时（用于处理两年的数据）。 这个过程可以使用相同的代码在集群上完成（需要联系 Columbia HPC）。 Demand.mat : 以 Matlab 二进制文件格式存储的生成数据。 它包含两个变量：时间表“需求”和地理参考对象“R”。 R：提供地理信息（例如地理范围）的地理参考对象 R= Latitude Limits: [40.6769, 40.8868] Long

matlab均方误差的代码BLP需求估算 基于随机系数Logit模型的结构需求估算方法。 带有一个示例，该示例复制了的结果。 数据文件和变量描述是从借来的。 我要感谢Nevo教授提供此程序，该程序是基于该程序。 该程序包含以下文件： BLP_notes.pdf-说明使用BLP的动机，必要数据，模型原语和估算步骤的文件。 BLP_demand.py-定义BLP类的主文件，并使用Data类运行该模型并输出系数估计值，标准误差和目标函数的值。 data_Nevo.py-定义Nevo（2000b）复制的数据类的文件。 iv.mat ， ps2.mat -Nevo（2000b）复制的数据文件。 要运行程序： 运行data_Nevo.py 运行BLP_demand.py 结果： Mean SD Income Income^2 Age Child Constant -2.010197 0.558228 2.292376 0.000000 1.284481 0.000000 0.327063 0.162589 1.209040 0.000000 0.631174 0.000000 Price -62.

酒店预订需求分析 这是机器学习技术的最后一个项目，南大林轩天教授。 （） 指导 设置 执行以下命令进行设置 sh setup.sh 相依性 如果要导入新库，请将其添加到requirements.txt 获取数据集路径 from HTML import Config print ( Config . test_path ) print ( Config . train_path ) print ( Config . train_label_path )