• machine learning
• forecast
• clustering
• classification
• bass model
• python
• regression

Esistono noti modelli in letteratura (e.g. Bass Model) che vengono utilizzati per spiegare il processo di diffusione di prodotti. Tali modelli sono caratterizzati da equazioni differenziali con coefficienti costanti o variabili. Tramite la creazione di un db di prodotti e dei dati storici di diffusione, si vuole studiare come valorizzare i coefficienti di tali equazioni con metodologie statistiche e di machine learning. A valle della creazione di vari modelli derivanti dalle equazioni, si vuole quindi creare un metodo di ensemble che a partire dal contributo dei predittori “weak” (le equazioni) fornisca una predizione più accurata.

There are known models in the literature (e.g. Bass Model) which are used to explain the diffusion process of products. These models are characterized by differential equations with constant or variable coefficients. After creating a database of products and historical diffusion data, we want to study how to valorize the coefficients of these equations with statistical and machine learning methodologies.
After creating various models deriving from the equations, we therefore want to create an ensemble method which provides a more accurate prediction starting from the contribution of the "weak" predictors (the equations)