技術簡介
協助業者在上傳歷史訂單資料與預測考量因子後，可於系統內得出預測值，以規劃未來商品的準備量。
Abstract
After uploading historical order data and forecasting factors, the operator can get the forecast value in the system to plan the preparation quantity of products.
技術規格
隨機森林演算法、Python、預測
Technical Specification
Random Forest Algorithm、Python、Forecasting
技術特色
結合歷史訂單預測未來市場需求量，拆解趨勢、季節性因素及波動因子，以Ensemble Learning之Random Forest演算法建立預測模型，集成大量子模型的預測結果，提高抗過擬合(Overfitting)能力，並於產生預測結果的同時，也產出該預測的原因，可以降低與物流人員溝通的成本及AI的使用門檻。
應用範圍
生產商、物流倉儲商、物流配送商、通路商
接受技術者具備基礎建議（設備）
高效能運算設備
接受技術者具備基礎建議（專業）
具備演算法程式撰寫能力
聯絡資訊
聯絡人：楊蕙菁 智慧物流與供應鏈整合服務組
電話：+886-3-5914890 或 Email：yanghj＠itri.org.tw
客服專線：+886-800-45-8899
傳真：+886-3-5826474