Machine Learning sur les séries temporelles et applications à la prévision des ventes pour l'E-Commerce

Machine Learning for times series and application to E-Commerce sales forecasts

• Auteur / Autrice : Rémy Garnier
• Direction : Paul Doukhan, Joseph Rynkiewicz
• Type : Thèse de doctorat
• Discipline(s) : Mathématiques - EM2PSI
• Date : Soutenance le 08/12/2021
• Etablissement(s) : CY Cergy Paris Université
• Ecole(s) doctorale(s) : École doctorale Économie, Management, Mathématiques, Physique et Sciences Informatiques (Cergy-Pontoise, Val d'Oise)
• Partenaire(s) de recherche : Laboratoire : Analyse, géométrie et modélisation (Cergy-Pontoise, Val d'Oise ; 1993-....) - Analyse- Géométrie et Modélisation / AGM - UMR 8088
• Jury : Président / Présidente : Gilles Stoltz
• Jury : Examinateurs / Examinatrices : Paul Doukhan, Joseph Rynkiewicz, Lionel Truquet, Madalina Olteanu, Bruno Goutorbe, Anne Philippe, Jean-Marc Bardet, Karine Bertin, Yannig Goude
• Jury : Rapporteurs / Rapporteuses : Lionel Truquet, Madalina Olteanu

Mots clés

Mots clés contrôlés

Cdiscount

Prévision des ventes

Commerce électronique

Mots clés libres

Séries Temporelles multiples

E-Commerce

Apprentissage automatique

Non-Stationnarité

Inégalités oracle

Multiple Times Series

Online Retail

Machine Learning

Non-Stationnarity

Oracle inequalities

Résumé

Prédire les futures valeurs de séries temporelles semble pourtant nécessaire dans de nombreux domaines. On trouve ainsi des applications pour contrôler divers processus industriels, pour modéliser des écosystèmes, des phénomènes physiques ou géologiques, ainsi que dans les domaines de la finance, de l'actuariat et des assurances. Dans le cadre de cette thèse, on s'intéresse plus précisément à l'application de méthode de séries temporelles pour la prévision des ventes dans le cadre d'une plateforme d'E-commerce.Il y a deux caractéristiques qui distinguent généralement les problèmes de prévision de séries temporelles stationnaires d'autres problèmes d’apprentissage et qui expliquent en partie les difficultés inhérentes à ces tâches.D'abord, d'un point de vue théorique, les données d'une même série temporelle présentent des dépendances mutuelles. Cela invalide la plupart des approches d’apprentissage classique, qui reposent sur des distributions supposées indépendantes. Cette thèse présente différents cadres pour modéliser et tenir compte de la dépendance entre données. On prouvera donc plusieurs inégalités oracles dans deux cadres dépendants différent . Premièrement, on étudiera l'utilisation de la méthode de sélection de modèle hold-out dans le cadre de séries temporelles dépendantes, et on montrera que cette méthode s'étend bien au cadre dépendant sous des conditions peu restrictives. Deuxièmement, on s’intéressera à la modélisation de phénomènes non-causaux par des processus analogues aux chaines de Markov, et on montrera des inégalités oracle dans ce cadre.D'autre part, d'un point de vue pratique, pour une série temporelle donnée on a généralement un petit nombre de données relativement à d'autres domaines d'application. C'est particulièrement le cas dans le cadre de la prédiction des ventes, où le nombre de date observées est généralement très inférieur au nombre de produits que l'on considère. On proposera donc plusieurs modèles capables de "partager" l'information entre différents produits et de tenir compte des interactions entre eux. En particulier, on s'interessera à la modélisation de phénomènes de compétition entre différentes séries temporelles. On appliquera ces modèles à des données réelles générées par l'entreprise CDiscount.

Predicting future time series values ​​seems necessary in many areas, however. There are thus applications for controlling various industrial processes, for modeling ecosystems, physical or geological phenomena, as well as in the fields of finance, actuarial science and insurance. In the context of this thesis, we are more specifically interested in the application of the time series method for forecasting sales within the framework of an E-commerce platform.There are two characteristics that generally distinguish stationary time series prediction problems from other learning problems, and which partly explain the difficulties inherent in these tasks.First, from a theoretical point of view, the data of the same time series present mutual dependencies. This invalidates most classical learning approaches, which rely on supposedly independent distributions. This thesis presents different frameworks to model and take into account the dependence between data. We will therefore prove several oracle inequalities in two different dependent frameworks. First, we will study the use of the hold-out model selection method in the framework of dependent time series, and we will show that this method extends well to the dependent framework under slightly restrictive conditions. Second, we will be interested in the modeling of non-causal phenomena by processes analogous to Markov chains, and we will show oracle inequalities in this framework.On the other hand, from a practical point of view, for a given time series there is generally a small number of data relative to other fields of application. This is particularly the case in the context of sales prediction, where the number of dates observed is generally much lower than the number of products considered. We will therefore propose several models capable of "sharing" information between different products and of taking into account the interactions between them. In particular, we will be interested in the modeling of competition phenomena between different time series. These models will be applied to real data generated by CDiscount.