The invention relates to a data trend analysis method for a large number of individuals, an electronic device and a computer storage medium. The method obtains the ordered data of each individual, determines the slope and determination coefficient of each individual according to the ordered data of each individual, carries out two-dimensional clustering on the slope and determination coefficient of each individual, and analyzes the trend of each individual according to the clustering results. The method of the invention first determines the slope and the determination coefficient of each individual according to the ordered data of each individual, then carries out two-dimensional clustering on the slope and the determination coefficient of each individual, and finally analyzes the trend of each individual according to the clustering result, making it possible to analyze the data trend of a large number of individuals, which is helpful to supplement. Help the government and enterprises make the best decision.
【技术实现步骤摘要】
大量个体的数据趋势分析方法、电子设备和计算机存储介质
本专利技术涉及数据处理领域,尤其涉及一种大量个体的数据趋势分析方法、电子设备和计算机存储介质。
技术介绍
随着数据大爆炸时代的到来,数据量极具增多,使得对大量个体的动态变化的数据进行趋势分析的需求急剧增加。例如,根据商场的顾客一年内的购买行为对不同购买行为的顾客进行分类,依据各类别的顾客采取不同的营销策略;需要对某个区域中所有企业3年内员工人数或者发放薪资总额变化情况进行分析,以获知哪些企业是处于发展壮大期,哪些企业是处于下滑期等,依据此政府对不同的企业采取不同的政策来辅助企业更好的生产经营或者预防企业发生不良事件等。因此,急需一种针对大量个体的数据趋势分析方法。
技术实现思路
(一)要解决的技术问题本专利技术提供一种大量个体的数据趋势分析方法、电子设备和计算机存储介质,该方法先根据每个个体的多个有序数据,确定每个个体的斜率和确定系数,再对每个个体的斜率和确定系数进行二维聚类,最后根据聚类结果分析每个个体的趋势,使得针对大量个体的数据趋势分析成为可能,有助于辅助政府,企业作出最佳决策。(二)技术方案为了达到上述目的,本专利技术采用的主要技术方案包括:一种大量个体的数据趋势分析方法,所述方法,包括:S101,获取每个个体的多个有序数据;S102,根据每个个体的多个有序数据,确定每个个体的斜率和确定系数;S103,对每个个体的斜率和确定系数进行二维聚类;S104,根据聚类结果分析每个个体的趋势。可选地,所述S101之后,S102之前,还包括:将每个个体的多个有序数据案子相同的方式进行排序。可选地,所述S102具 ...
【技术保护点】
1.一种大量个体的数据趋势分析方法,其特征在于,所述方法,包括:S101,获取每个个体的多个有序数据;S102,根据每个个体的多个有序数据,确定每个个体的斜率和确定系数;S103,对每个个体的斜率和确定系数进行二维聚类;S104,根据聚类结果分析每个个体的趋势。
【技术特征摘要】
1.一种大量个体的数据趋势分析方法,其特征在于,所述方法,包括:S101,获取每个个体的多个有序数据;S102,根据每个个体的多个有序数据,确定每个个体的斜率和确定系数;S103,对每个个体的斜率和确定系数进行二维聚类;S104,根据聚类结果分析每个个体的趋势。2.根据权利要求1所述的方法,其特征在于,所述S101之后,S102之前,还包括:将每个个体的多个有序数据案子相同的方式进行排序。3.根据权利要求2所述的方法,其特征在于,所述S102具体包括:对每个个体排序后的有序数据进行线性拟合,得到每个个体的斜率和确定系数。4.根据权利要求3所述的方法,其特征在于,所述S103具体包括:S103-1,对每个个体的斜率进行排序,选择位于排序中间的第一预设数量个个体;S103-2,将选择的个体的斜率进行归一化操作;S103-3,对选择的个体的归一化后的斜率和确定系数进行二维聚类。5.根据权利要求4所述的方法,其特征在于,所述S103-3具体包括:S103-3-1,随机选取第二预设数量个初始中心点;S103-3-2,遍历所有选择的个体,根据每个选择的个体的归一化后的斜率和确定系数,将每个选择的个体划分到最近的初始中心点所处的类别中;S103-3-3,计算划分后的各类的平均值,将所述平均值作为各类的新中心点;S103-3-4,若存在任一类的新中心点与初始中心点的偏差大于预设阈值,则将各类的新中心点作为初始中心点,重复执行S103-3-2和S103-3-3,直至各类新中心点与初始中心点的偏差均不大于预设阈值。6.根据权利要求5所述的方法,其特征在于,所述S103-3-4之后,还包括:S...
【专利技术属性】
技术研发人员:叶梦晴,杨帆,刘丹,
申请(专利权)人:广东金赋科技股份有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。