一种基于数据挖掘的商场商品销量预测方法、装置及设备制造方法及图纸

本发明专利技术公开了一种基于数据挖掘的商场商品销量预测方法，通过获取待预测销售相关数据；将所述待预测销售相关数据作为输入量通过随机森林算法得到第一预测结果；将所述待预测销售相关数据作为输入量通过k近邻算法得到第二预测结果；根据随机森林算法得分权重与k近邻算法得分权重，对所述第一预测结果与所述第二预测结果进行加权平均，得到商品销量预测数据；其中，所述随机森林算法得分权重与所述k近邻算法得分权重为通过对训练数据集训练学习得到的得分权重。本发明专利技术能高效地得出高准确度的预测结果，同时，本发明专利技术将现有两种算法的预测结果通过加权平均结合，进一步提升了预测的准确度。本发明专利技术还提供了一种具有上述优点的装置、设备及存储介质。

【技术实现步骤摘要】
一种基于数据挖掘的商场商品销量预测方法、装置及设备
本专利技术涉及机器学习领域，特别是涉及一种基于数据挖掘的商场商品销量预测方法、装置、设备及计算机可读存储介质。
技术介绍
数据挖掘运用相关的算法从大量的、不完全的、有噪声的、模糊的、随机的数据中提取正确的、有用的、未知的、综合的以及用户感兴趣的知识，建立用于决策支持的模型，提供预测性决策支持的方法、工具和过程。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中的信息的过程。随着互联网时代的到来和数据大爆发，数据挖掘技术普遍而且迫切地应用于各个领域，本申请着重探讨其在商场商品销售预测方面的应用。随着人们生活水平的不断提高，购买力也不断加强，这对商场而言既是机遇也是挑战。如果能准确预测商场商品下一个时间阶段各种品类的销售量，对于商场商品采购、工作人员分配等决策具有重大的指导意义，更好的服务顾客的同时商场也降低成本提升利润。但是，现阶段商场决策还是比较老套落后，主要是基于统计和管理者的经验对采购、人员分配等进行决策，现有方法一方面过于仰赖管理者个人，不同管理者负责的区域差别很大，准确率低，很容易产生决策失误，另一方面效率低下，信息滞后。
技术实现思路
本专利技术的目的是提供一种基于数据挖掘的商场商品销量预测方法、装置、设备及计算机可读存储介质，以解决现有技术中容易产生决策失误，效率低下，信息滞后的问题。为解决上述技术问题，本专利技术提供一种基于数据挖掘的商场商品销量预测方法，包括：获取待预测销售相关数据；将所述待预测销售相关数据作为输入量通过随机森林算法得到第一预测结果；将所述待预测销售相关数据作为输入量通过k近邻算法得到第二预测结果；根据随机森林算法得分权重与k近邻算法得分权重，对所述第一预测结果与所述第二预测结果进行加权平均，得到商品销量预测数据；其中，所述随机森林算法得分权重与所述k近邻算法得分权重为通过对训练数据集训练学习得到的得分权重。可选地，在所述基于数据挖掘的商场商品销量预测方法中，所述待预测销售相关数据包括日期信息、天气信息及地理位置信息。可选地，在所述基于数据挖掘的商场商品销量预测方法中，所述商品销量预测数据包括每天售出商品种类及每天各种类商品售出数量。可选地，在所述基于数据挖掘的商场商品销量预测方法中，在得到商品销量预测数据后，还包括：统计待预测的时间段内的各种商品的销售总量及待预测时间段内所有商品的销售总量。可选地，在所述基于数据挖掘的商场商品销量预测方法中，所述获取待预测销售相关数据，还包括：获取各种商品在商场内的位置信息；在所述统计待预测的时间段内的各种商品的销售总量及待预测时间段内所有商品的销售总量之后，还包括：得出待预测时间段内商场中指定区域的商品销售总量。本专利技术还提供了一种基于数据挖掘的商场商品销量预测装置，包括：获取模块，用于获取待预测销售相关数据；第一计算模块，用于将所述待预测销售相关数据作为输入量通过随机森林算法得到第一预测结果；第二计算模块，用于将所述待预测销售相关数据作为输入量通过k近邻算法得到第二预测结果；加权平均模块，用于根据随机森林算法得分权重与k近邻算法得分权重，对所述第一预测结果与所述第二预测结果进行加权平均，得到商品销量预测数据；其中，所述随机森林算法得分权重与所述k近邻算法得分权重为通过对训练数据集训练学习得到的得分权重。可选地，在所述基于数据挖掘的商场商品销量预测装置中，所述加权平均模块具体用于：所述商品销量预测数据包括每天售出商品种类及每天各种类商品售出数量。可选地，在所述基于数据挖掘的商场商品销量预测装置中，所述加权平均模块还用于：统计待预测的时间段内的各种商品的销售总量及待预测时间段内所有商品的销售总量。本专利技术还提供了一种基于数据挖掘的商场商品销量预测设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现上述任一种基于数据挖掘的商场商品销量预测方法的步骤。本专利技术还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一种基于数据挖掘的商场商品销量预测方法的步骤本专利技术所提供的基于数据挖掘的商场商品销量预测方法，通过获取待预测销售相关数据；将所述待预测销售相关数据作为输入量通过随机森林算法得到第一预测结果；将所述待预测销售相关数据作为输入量通过k近邻算法得到第二预测结果；根据随机森林算法得分权重与k近邻算法得分权重，对所述第一预测结果与所述第二预测结果进行加权平均，得到商品销量预测数据；其中，所述随机森林算法得分权重与所述k近邻算法得分权重为通过对训练数据集训练学习得到的得分权重。本专利技术通过数据挖掘技术，利用过去大量的数据训练模型，能迅速高效地得出具有非常高的准确度的预测结果，同时，本专利技术在现有的数据挖掘算法上做了改进，将两种算法的预测结果通过加权平均相结合，进一步提升了预测的准确度。附图说明为了更清楚的说明本专利技术实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术提供的基于数据挖掘的商场商品销量预测方法的具体实施方式一的流程示意图；图2为本专利技术提供的基于数据挖掘的商场商品销量预测方法的具体实施方式二的流程示意图；图3为本专利技术提供的基于数据挖掘的商场商品销量预测方法的具体实施方式三的流程示意图；图4为本专利技术提供的基于数据挖掘的商场商品销量预测装置的结构示意图；图5为本专利技术提供的基于数据挖掘的商场商品销量预测系统的一种系统流程图；图6为本专利技术提供的基于数据挖掘的商场商品销量预测系统的一种系统软硬部件一览图。具体实施方式现有技术中，商场商品的采购、工作人员的分配主要是基于过去数据的统计和管理者的个人经验，准确性不足，且过于仰赖管理者个人，不同管理者负责的区域差别很大，准确率低，容易产生决策失误，另外效率较低，滞后性高。如使用现有数据挖掘算法，比如k近邻算法或随机森林算法，对商场商品的销售情况进行预测，确实能在一定程度上解决目前靠人决策效率低下，滞后性高的问题，但上述两种算法准确率还有待提高。为了使本
的人员更好地理解本专利技术方案，下面结合附图和具体实施方式对本专利技术作进一步的详细说明。显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术的核心是提供一种基于数据挖掘的商场商品销量预测方法，其具体实施方式一的流程示意图如图1所示，包括：步骤S101：获取待预测销售相关数据。上述待预测销售相关数据包括日期信息、天气信息及地理位置信息。步骤S102：将所述待预测销售相关数据作为输入量通过随机森林算法得到第一预测结果。上述第一预测结果包括每天售出商品种类及每天各种类商品售出数量。上述的随机森林算法(randomforest)是一种基于分类树(classificationtree)的算法。这个算法需要模拟和迭代，被归类为机器学习中的一种方法。属于分类和回归树(classificationandregressiont本文档来自技高网...

【技术保护点】
1.一种基于数据挖掘的商场商品销量预测方法，其特征在于，包括：获取待预测销售相关数据；将所述待预测销售相关数据作为输入量通过随机森林算法得到第一预测结果；将所述待预测销售相关数据作为输入量通过k近邻算法得到第二预测结果；根据随机森林算法得分权重与k近邻算法得分权重，对所述第一预测结果与所述第二预测结果进行加权平均，得到商品销量预测数据；其中，所述随机森林算法得分权重与所述k近邻算法得分权重为通过对训练数据集训练学习得到的得分权重。

【技术特征摘要】
1.一种基于数据挖掘的商场商品销量预测方法，其特征在于，包括：获取待预测销售相关数据；将所述待预测销售相关数据作为输入量通过随机森林算法得到第一预测结果；将所述待预测销售相关数据作为输入量通过k近邻算法得到第二预测结果；根据随机森林算法得分权重与k近邻算法得分权重，对所述第一预测结果与所述第二预测结果进行加权平均，得到商品销量预测数据；其中，所述随机森林算法得分权重与所述k近邻算法得分权重为通过对训练数据集训练学习得到的得分权重。2.如权利要求1所述的基于数据挖掘的商场商品销量预测方法，其特征在于，所述待预测销售相关数据包括日期信息、天气信息及地理位置信息。3.如权利要求1所述的基于数据挖掘的商场商品销量预测方法，其特征在于，所述商品销量预测数据包括每天售出商品种类及每天各种类商品售出数量。4.如权利要求3所述的基于数据挖掘的商场商品销量预测方法，其特征在于，在得到商品销量预测数据后，还包括：统计待预测的时间段内的各种商品的销售总量及待预测时间段内所有商品的销售总量。5.如权利要求4所述的基于数据挖掘的商场商品销量预测方法，其特征在于，所述获取待预测销售相关数据，还包括：获取各种商品在商场内的位置信息；在所述统计待预测的时间段内的各种商品的销售总量及待预测时间段内所有商品的销售总量之后，还包括：得出待预测时间段内商场中指定区域的商品销售总量。6.一种基于数据挖掘的商场商...

【专利技术属性】
技术研发人员：杨森彬，张小波，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44