Comparative Analysis of Modern Machine Learning Models for Retail Sales Forecasting

该研究通过对比统计基线、树集成与深度学习模型在具有间歇性需求和数据缺失的零售销售数据上的表现，发现基于树的集成方法（如 XGBoost）在预测精度上优于复杂的深度学习架构，表明在特定约束下应优先考虑模型与问题特征的匹配度而非架构的复杂性。

要点

这篇论文就像是一场**“预测未来销量”的武林大会**，参赛的选手分为两派：一派是**“老练的实战派”（传统的机器学习模型，如 XGBoost 和 LightGBM），另一派是“高科技的学院派”**（最新的深度学习模型，如神经网络、Transformer）。

比赛场地不是风平浪静的电商仓库，而是充满变数的实体零售店（比如超市、便利店）。

下面我用通俗易懂的比喻来为你拆解这场“比武”：

1. 比赛背景：为什么这很难？

想象一下，你要预测一家实体超市里4 万多种商品未来半年的销量。

• 数据很乱：有些商品今天卖爆了，明天就没人买（间歇性需求）；有些货架因为缺货，数据直接断片（缺失值）；有些商品过几天就下架了（产品更替快）。
• 环境复杂：每家店的位置不同，促销活动不同，甚至隔壁竞争对手打折都会影响你的销量。
• 目标：谁预测得准，谁就能帮老板省下一大笔库存钱，避免货卖不出去烂在仓库，或者货不够卖被顾客骂。

2. 参赛选手介绍

• 实战派（树模型：XGBoost, LightGBM）：
  • 就像经验丰富的老店长。他们不看复杂的数学公式，而是靠“经验法则”和“如果...那么..."的逻辑。
  • 比如：“如果是周末 + 下雨 + 隔壁打折，那雨伞销量肯定好。”他们非常擅长处理这种杂乱无章、断断续续的数据。
• 学院派（深度学习：N-BEATS, N-HiTS, TFT）：
  • 就像刚从顶尖大学毕业的数学天才。他们拥有强大的大脑，能发现数据中极其细微的、人类看不见的复杂规律。
  • 通常，他们在数据量巨大、规律明显的场景（比如亚马逊这种大电商）里表现神勇，因为那里数据像流水一样连续且丰富。

3. 比赛过程：两个关键变量

研究者设计了四种不同的“训练环境”来测试选手：

1. 分头行动 vs. 集体作战：
   • 分头行动（局部模型）：给每个商品组（比如“洗发水组”）配一个专属的老店长。
   • 集体作战（全局模型）：让一个大模型同时学习所有商品（洗发水、牙膏、纸巾一起学）。
2. 数据修补（插值）：
   • 因为数据有缺失，研究者尝试用一种叫 SAITS 的高级 AI 技术来“脑补”缺失的数据，看看能不能帮选手填坑。

4. 比赛结果：谁赢了？

大结局：老练的“实战派”完胜！

• 冠军：XGBoost（树模型的一种）。它的预测误差最小，就像那个最懂生意的老店长，不管数据多乱，他都能算得准。
• 亚军：LightGBM。紧随其后，也非常强。
• 落败者：那些高科技的深度学习模型（神经网络）。
  • 在分头行动（局部模型）时，它们表现平平，甚至不如老店长。
  • 在集体作战（全局模型）且使用了高级数据修补后，它们稍微进步了一点，但依然没能超过树模型。

5. 为什么高科技输给了老经验？（核心发现）

这就好比让一个数学天才去开一家小杂货铺，结果发现他不如隔壁开了 20 年的老张：

1. 水土不服：实体零售的数据太“碎”了（今天卖 100 个，明天卖 0 个）。深度学习模型需要大量连续、干净的数据才能发挥威力，就像天才需要安静的图书馆。而实体店的数据充满了噪音和断档，天才反而被搞晕了。
2. “脑补”的副作用：研究者试图用 AI 去“脑补”缺失的数据（SAITS 插值）。结果发现，这种“脑补”出来的数据虽然看起来填满了坑，但味道变了（分布被压缩了，方差变小了）。
   • 这就好比老店长靠真实经验判断，而天才靠“猜”出来的数据判断。
   • 有趣的是，这种“脑补”甚至把原本表现不错的 LightGBM 给搞砸了（在某种配置下误差翻倍），说明垃圾进，垃圾出，修补得不好反而更糟。
3. 效率差异：训练那些高科技模型需要几天时间，消耗大量算力；而训练老店长（树模型）只需要几十分钟，而且更省内存。对于需要快速反应的零售老板来说，快且准才是王道。

6. 给老板们的建议（结论）

这篇论文告诉零售从业者一个朴素的道理：

不要盲目追求最先进、最复杂的 AI 模型。

• 如果你的业务像实体零售这样：数据零碎、商品变动快、每家店情况不同。
• 最佳策略：请**“分头行动”（为不同商品组训练独立模型），并选用“老练的实战派”**（XGBoost 或 LightGBM）。
• 不要：试图用一个超级大模型去管所有事，也不要过度依赖 AI 去修补缺失的数据，除非你非常确定修补后的数据质量。

一句话总结：在充满不确定性的实体零售世界里，经验丰富的“老手”往往比“高学历的新手”更能打。

技术摘要

论文技术总结：现代机器学习模型在零售销售预测中的比较分析

论文标题：Comparative Analysis of Modern Machine Learning Models for Retail Sales Forecasting
作者：Luka Hobor, Mario Brˇci´c, Lidija Polutnik, Ante Kapetanovi´c
来源：arXiv:2506.05941v2 (2026)

1. 研究背景与问题定义 (Problem)

核心问题：
实体零售（Brick-and-Mortar, B&M）面临独特的预测挑战，包括间歇性需求（Intermittent Demand）、大量缺失值（Substantial Missingness）以及频繁的产品更替。传统的统计方法（如指数平滑、Theta 模型）难以捕捉现代零售的复杂性，而深度学习模型在大规模电商环境（如 Amazon、Zalando）中表现优异，但在碎片化、数据稀疏的实体零售环境中是否依然有效尚存争议。

研究目标：
本研究旨在系统评估多种预测模型在实体零售环境下的性能，具体比较对象包括：

• 统计基线：ETS, Theta, Croston SBA (CSBA)。
• 树集成模型：XGBoost, LightGBM。
• 深度学习架构：N-BEATS, N-HiTS, Temporal Fusion Transformer (TFT)。

数据特征：

• 数据源：东南欧某大型零售商的实际数据（卫生用品类别）。
• 规模：46,841 个 SKU-商店时间序列，覆盖 446 家门店。
• 挑战：平均缺失率 20.93%，99.98% 的序列包含零销售日（平均每个序列 492 天零销售），数据高度稀疏且噪声大。
• 预测任务：未来 26 周（182 天）的每日销售预测，最终聚合为周度指标进行评估。

2. 方法论 (Methodology)

2.1 数据预处理与特征工程

• 缺失值处理：
  • 区分“零销售”（无需求）与“缺失值”（辅助变量缺失，如竞品价格）。
  • 采用多阶段插补策略：水平插补、前向/后向填充、基于组别的插补。
  • SAITS 实验：引入基于深度学习的 SAITS 模型进行插补，以探究复杂插补对模型性能的影响。
• 特征工程：
  • 时间特征：日历效应、节假日、养老金发放日（当地特有）。
  • 滞后与滚动统计：基于周、月、年的销售、价格和促销活动的滞后项及滚动统计量。
  • 外部变量：竞品价格（1 公里半径内）、宏观经济指标（CPI、平均工资、人口）。
  • 防泄露机制：严格区分“仅过去可见”变量（历史销售、竞品价格）和“未来已知”变量（日历、计划促销、通胀调整后的基准价）。
• 特征选择：使用 Boruta 算法（基于 LightGBM）筛选具有统计显著性的预测特征。

2.2 模型配置与实验设计

研究设计了四种实验配置，对比局部建模（Local，按产品组单独训练）与全局建模（Global，全类别联合训练），以及非插补与SAITS 插补数据的影响：

1. Case A：局部组别，非插补数据。
2. Case B：全类别，非插补数据。
3. Case C：局部组别，SAITS 插补数据。
4. Case D：全类别，SAITS 插补数据。

训练策略：

• 树模型：采用单步滚动预测（One-step-ahead rolling），符合其独立处理观测值的特性。
• 神经网络：采用直接多步预测（Direct multi-horizon），一次性生成 182 天预测。
• 优化：使用 HEBO 算法进行超参数搜索。
• 评估指标：RMSE, MAE, 需求误差 (Demand Error), 需求偏差 (Demand Bias), RMSSE, MASE。

3. 关键贡献 (Key Contributions)

1. 端到端的零售预测流水线：提供了一套包含数据预处理、特征工程、插补策略及模型训练的完整实践指南，特别针对实体零售的间歇性需求。
2. 多维度的实证比较：首次在同一数据集上系统对比了统计模型、树集成模型和 SOTA 神经网络，并深入分析了局部 vs. 全局建模策略以及插补策略对不同类型模型的影响。
3. 揭示实体零售的模型适用性边界：证明了在碎片化、稀疏的实体零售数据中，简单的树集成模型优于复杂的深度学习架构，挑战了“深度学习必然优于传统方法”的普遍认知。

4. 实验结果 (Results)

4.1 性能对比

• 树集成模型胜出：在大多数场景下，XGBoost和LightGBM表现最佳。
  • 最佳结果：Case A（局部组别，非插补）中的 XGBoost 取得了最低的 RMSE (4.833) 和 MAE (1.935)。
  • 对比基线：XGBoost 的 RMSE 显著低于统计基线（如 ETS 为 26.027）和神经网络。
• 深度学习表现：
  • N-BEATS, N-HiTS, TFT 在局部建模（Case A）中表现不佳，RMSE 普遍在 7.7 以上。
  • 在全类别建模（Case B）中，深度学习模型性能进一步下降，难以捕捉不同产品组间的异质性模式。
• 插补的影响：
  • SAITS 插补的负面效应：在 Case C（局部 + 插补）中，LightGBM 性能急剧下降（RMSE 从 4.847 升至 10.758），而 XGBoost 表现出更强的鲁棒性（RMSE 6.027）。
  • 偏差分析：树模型倾向于轻微低估（负偏差），而神经网络倾向于系统性高估（正偏差）。

4.2 计算效率

• 训练时间：树模型（XGBoost: 14.5 分钟，LightGBM: 35.6 分钟）远快于神经网络（N-BEATS: ~146 分钟，TFT: ~4425 分钟）。
• 资源消耗：树模型内存占用更低，更适合实时或大规模部署。

4.3 关键发现

• 局部建模优于全局建模：对于实体零售，将数据按产品组分割并分别训练模型（Local）比训练一个全局模型（Global）更有效，因为不同产品组间的数据分布差异过大，全局模型难以收敛。
• 插补质量的重要性：SAITS 插补虽然能填补数值，但会导致数据分布压缩（方差减小）和分布偏移，这对依赖数据分布特性的树模型（尤其是 LightGBM）产生了负面影响。
• 缩放定律的缺失：Zalando 等电商研究中观察到的“数据量越大，Transformer 效果越好”的缩放定律，在本研究的实体零售数据中未观察到，主要受限于数据稀疏性和缺乏集中式的高密度需求信号。

5. 意义与启示 (Significance)

• 对从业者的指导：
  • 在实体零售场景下，不应盲目追求复杂的深度学习架构。
  • 首选策略：采用基于树集成（XGBoost/LightGBM）的局部建模方法。
  • 数据策略：谨慎使用复杂的深度学习插补方法，简单的统计插补或保持原始稀疏性可能更有效。
• 理论贡献：
  • 明确了模型选择应优先匹配问题特征（如数据稀疏性、间歇性），而非单纯追求架构的复杂性。
  • 揭示了在数据质量受限（高缺失、高噪声）的工业场景中，深度学习模型的泛化能力可能不如经过良好调优的传统机器学习模型。

结论：
该研究有力地证明了在具有间歇性需求、高缺失率和产品频繁更替的实体零售环境中，局部化的树集成模型（特别是 XGBoost）在预测精度和计算效率上均优于当前的深度学习 SOTA 模型。未来的方向应是结合树模型的效率与神经网络的表征学习能力，开发混合架构，并探索能更好保留原始数据结构的高级插补方法。