The present invention provides an electronic product activation volume prediction method and a server cluster, the method comprises: obtaining the first activation volume data and first activate at least one of the first factor data; on the first activation volume data and at least one of the first factor data were time serialization; time rule after the dismantling of the time sequence data, second activation volume data, second data including electronic product activation activation volume without at least one of the first case with impact factor data data change trend; judging the changing trend is time law; if the data changes with time of the data trends the characteristics of processing to generate second factor data, at least one first factor and second factor data input data into the preset model Line learning is used to predict the activation amount of electronic products for a predetermined period of time. The scheme of the invention can accurately predict the activation amount of the electronic product at a predetermined time.
【技术实现步骤摘要】
一种电子产品激活量预测方法及一种服务器集群
本专利技术涉及数据处理,尤其涉及一种电子产品激活量预测方法及一种服务器集群。
技术介绍
个人计算机(PC)、手机、平板电脑等电子产品为贵重的硬件产品,其库存积压,不论是整机库存还是部件库存,都会严重影响资金流动,甚至拖垮企业的资金链。降低库存最有效的方式就是:第一,准确把握市场的需求,使得生产量与销售量的差(即库存)最小;第二,提前把握市场的需求,通过在采购提前期前给出预测值,来指导科学合理的采购。那么如何度量市场的需求以降低库存呢?由于电子产品的智能性,能够将电子产品的激活数据直接上报,使得电子产品的激活量直接、准确的反映了市场需求量,所以对电子产品激活量准确的预测,尤为重要。现有技术中,对电子产品激活量的预测,均是通过单一的回归模型或时间序列分析方法进行预测,但是,前者无法拟合数据的时间规律,即,无法拟合出电子产品激活量随时间变化的规律,后者无法学习相关因子随时间变化的影响力,即,无法学习影响电子产品激活量的相关因子(例如,促销活动、代言活动等)随时间变化的影响力,所以其效果均不稳定,且准确率非常低。
技术实现思路
本专利技术提供一种电子产品激活量预测方法及一种服务器集群,能够准确的预测电子产品激活量。本专利技术提供了一种电子产品激活量预测方法,包括:获取第一激活量数据和影响第一激活量数据的至少一个第一因子数据;对所述第一激活量数据和所述至少一个第一因子数据分别进行时间序列化;对时间序列化后的数据进行时间规律拆解,得到第二激活量数据,所述第二激活量数据包括电子产品激活量未受所述至少一个第一因子数据影响情况下随时间 ...
【技术保护点】
一种电子产品激活量预测方法,其特征在于,包括:获取第一激活量数据和影响第一激活量数据的至少一个第一因子数据;对所述第一激活量数据和所述至少一个第一因子数据分别进行时间序列化;对时间序列化后的数据进行时间规律拆解,得到第二激活量数据,所述第二激活量数据包括电子产品激活量未受所述至少一个第一因子数据影响情况下随时间的变化趋势数据;判断所述变化趋势数据是否具有时间规律;如果所述变化趋势数据具有时间规律,将所述变化趋势数据进行特征化处理生成第二因子数据,将所述至少一个第一因子数据与第二因子数据输入预设模型进行学习,以对预定时间的电子产品激活量进行预测。
【技术特征摘要】
1.一种电子产品激活量预测方法,其特征在于,包括:获取第一激活量数据和影响第一激活量数据的至少一个第一因子数据;对所述第一激活量数据和所述至少一个第一因子数据分别进行时间序列化;对时间序列化后的数据进行时间规律拆解,得到第二激活量数据,所述第二激活量数据包括电子产品激活量未受所述至少一个第一因子数据影响情况下随时间的变化趋势数据;判断所述变化趋势数据是否具有时间规律;如果所述变化趋势数据具有时间规律,将所述变化趋势数据进行特征化处理生成第二因子数据,将所述至少一个第一因子数据与第二因子数据输入预设模型进行学习,以对预定时间的电子产品激活量进行预测。2.根据权利要求1所述的方法,其特征在于,还包括,如果所述变化趋势数据不具有时间规律,则将所述至少一个第一因子数据输入预设模型进行学习,以对预定时间的电子产品激活量进行预测。3.根据权利要求1或2所述的方法,其特征在于,所述至少一个第一因子数据包括价格因子数据、市场活动因子数据、产品质量因子数据、舆论因子数据、竞争产品因子数据中的一个或多个。4.根据权利要求3所述的方法,其特征在于,所述舆论因子数据包括情感指数因子数据,所述情感指数因子数据基于正面舆论评价信息数量以及负面舆论评价信息数量确认。5.根据权利要求1或2所述的方法,其特征在于,对所述至少一个第一因子数据进行时间序列化包括对价格因子数据进行时间序列化,并且在对所述价格因子数据进行时间序列化前,对所述价格因子数据进行离散化。6.根据权利要求1或2所述的方法,其特征在于,将所述变化趋势数据进行特征化处理包括,将所述变化趋势数据的依赖时长构造成一维特征或多维特征作为所述第二因子数据。7.根据权利要求1所述的方法,其特征在于,所述第一因子数据与所述第二因子数据的权重相等。8.一种服务器集群,包括至少一个处理器、至少一个存储器,所述至少一个存储器能够存储被所述至少一...
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。