stability-regularization

本文提出了一种训练时稳定性正则化罚项，可在不牺牲精度的情况下提高预测稳定性。在M5零售需求数据上进行的评估显示，该方法的预测稳定性得分有所提升，同时均方根误差(RMSE)保持在0.72%以内。