產品預測需求 IPHONE B11021023 蔡培婷 B11021028 吳秋芬 B11021045 羅竫傑 使用方法 所學方法 v.s 人工智慧方法 MA簡單移動平均法 LSTM 機器學習 使用歷史平均值來預測未來數 值,不考慮趨勢和模式。 假設數據中存在一條線性趨勢, 模型擬合這條趨勢,可以進行預測。 MA簡單移動平均法 DATA 過去產品銷售數據和前四期預測 實際值 實際值 前4期(20年9~12月)預測第5期(21年1月) 以此類推至48期 預測值 DATA 過去產品銷售數據和前四期預測 實際值 預測值 實際值 預測值 LSTM 機器學習 架設模型 預測結果 結果差異 MA簡單移動平均法 預測值 簡單移動平均法和AI預測的 數據差異不大,但對於長期 預測效果較差,因為它只考 慮了最近的幾個數據點 LSTM模型 實際值 預測值 模型的平均絕對誤差和平均 百分比誤差均略低於簡單移 動平均法。 MA法預測 優點 缺點 簡單易懂 無法捕捉數據中的複雜趨勢, 對於具有週期性或非線性變 化的數據可能預測效果較差。 LSTM模型預測 優點 缺點 能夠捕捉數據中的線性 關係,更好判斷趨勢和 季節性變化,並且對於 長期預測效果佳 受到數據中是否存在線性趨 勢的限制,對於非線性趨勢 的數據表現可能不佳。 THANK YOU