商品价格预测方法及装置制造方法及图纸

本发明专利技术提供一种商品价格预测方法及装置，涉及数据分析技术领域，获取商品价格预测的目标样本数据；目标样本数据包括：训练样本数据；基于预设输入输出关系函数模型，确定预设输入输出关系函数模型中每个参数的先验分布函数；根据先验分布函数、训练样本数据和贝叶斯定理，得到商品价格预测分布函数模型；将新的待预测输入参数数据输入商品价格预测分布函数模型，计算商品价格预测分布函数模型的输出结果，作为新的待预测输入参数数据对应的商品预测价格。本发明专利技术基于采集的与商品价格预测相关的参数的样本数据，建立商品价格预测分布函数模型，通过该分布函数模型对新的输入数据的输出结果进行预测，提高了商品价格预测结果的精确度和可信度。

【技术实现步骤摘要】
商品价格预测方法及装置
本专利技术涉及数据分析
，尤其是涉及一种商品价格预测方法及装置。
技术介绍
商品价格的预测方法是市场预测分析与商品生产销售决策的基础，是市场预测领域中的一个重要问题，在商品生产、销售等很多方面起着关键作用。现有的基于神经网络算法的商品价格预测方法，通常首先估计出内权参数、偏置参数和外权参数，进而得到预测函数f(x)，从而对新的输入参数数据x，计算f(x)的输出值作为商品价格的预测值。这类算法的缺点是：求解参数的过程中，通常采用梯度下降法，该算法固有的缺陷是容易得到局部极值，而不是我们想要的全局极值，因此，预测准确性和可信度不高。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种商品价格预测方法及装置，基于采集的与商品价格预测相关的参数的样本数据，建立商品价格预测分布函数模型，通过该分布函数模型进一步对新的输入数据的输出结果进行预测，提高商品价格预测结果的精确度和可信度，帮助商家自动化很多供应链过程中的决策，更精确的需求预测，能够大大地优化运营成本，降低收货时效，提升整个社会的供应链物流效率。第一方面，本专利技术实施例提供了一种商品价格预测方法，包括：获取本文档来自技高网...

【技术保护点】
1.一种商品价格预测方法，其特征在于，包括：获取商品价格预测的目标样本数据；所述目标样本数据包括：第一参数和第二参数所对应的数据；将所述第一参数作为输入参数；其中所述第一参数包括：商品属性参数、商品所处环境参数；将所述第二参数作为输出参数；其中所述第二参数包括：商品价格；所述目标样本数据包括：训练样本数据和验证样本数据；基于预设输入输出关系函数模型，确定所述预设输入输出关系函数模型中每个参数的先验分布函数；根据所述先验分布函数、所述训练样本数据和贝叶斯定理，得到商品价格预测分布函数模型；将新的待预测输入参数数据输入所述商品价格预测分布函数模型，计算所述商品价格预测分布函数模型的输出结果，作为所...

【技术特征摘要】
1.一种商品价格预测方法，其特征在于，包括：获取商品价格预测的目标样本数据；所述目标样本数据包括：第一参数和第二参数所对应的数据；将所述第一参数作为输入参数；其中所述第一参数包括：商品属性参数、商品所处环境参数；将所述第二参数作为输出参数；其中所述第二参数包括：商品价格；所述目标样本数据包括：训练样本数据和验证样本数据；基于预设输入输出关系函数模型，确定所述预设输入输出关系函数模型中每个参数的先验分布函数；根据所述先验分布函数、所述训练样本数据和贝叶斯定理，得到商品价格预测分布函数模型；将新的待预测输入参数数据输入所述商品价格预测分布函数模型，计算所述商品价格预测分布函数模型的输出结果，作为所述新的待预测输入参数数据对应的商品预测价格。2.根据权利要求1所述的方法，其特征在于，所述基于预设输入输出关系函数模型，确定所述预设输入输出关系函数模型中每个参数的先验分布函数，具体包括：所述预设输入输出关系函数模型为：t＝f(x)+ε；其中，其中，AiTx+bi表示对输入特征向量进行一个线性变换，Ai为内权参数，bi为偏置参数，βi为外权参数，m表示隐层结点的个数，而G表示非线性的激活函数，ε表示高斯白噪声；其中，ε的先验分布函数为均值为0，方差为σ2的高斯分布函数；内权参数{Ai,j:i＝1,…,m；j＝1,…,p}的先验分布函数设为：偏置参数{bi:i＝1,…,m}先验分布函数设为：p(bi)＝N(bi|κ1,κ2),i＝1,…,m.；外权参数的先验分布函数设为：p(β)＝N(β|0,γ-1I).超参数{σ2,γ}的先验分布函数设为：p(γ)＝gamma(γ|α1,α2)p(σ2)＝Gamma(σ2|α3,α4)；其中，μi,j,ηi,jκ1,κ2,α1,α2,α3,α4为常数。3.根据权利要求2所述的方法，其特征在于，所述非线性的激活函数包括：sigmoid函数、径向基函数及双曲正切函数中的一种。4.根据权利要求1所述的方法，其特征在于，所述根据所述先验分布函数、所述训练样本数据和贝叶斯定理，得到商品价格预测分布函数模型，具体包括：将所述训练样本数据带入所述先验分布函数中，利用贝叶斯公式计算参数变量z＝{β,A,b,γ,σ2}的后验分布，得到以下算式：其中，联合分布p(D,z)＝p(t|X,β,σ2,A,b)p(β|γ)p(γ)p(A)p(b)；通过最大化明显下界ELBO寻找p(z|D)的变分逼近分布q(z|θ)，其中ELBO定义为：L(θ)＝Eqθ(z)[logp(z|D)]-Eqθ(z)[logq(z|θ)]；利用得到的逼近分布q(z|θ)计算得到所述商品价格预测分布函数模型：p(t|D,z,x)＝Eq(z|θ)[p(t|x，z)]；其中，D是所述训练样本数据，z是所述参数变量，x是新的输入参数数据。5.根据权利要求4所述的方法，其特征在于，所述将新的待预测输入参数数据输入所述商品价格预测分布函数模型，计算所述商品价格预测分布函数模型的输出结果，具体包括：将新的待预测输入参数数据输入所述商品价格预测分布函数模型，计算所述商品价格预测分布函数模型的的期望，将所述期望作为所述商品价格预测分布函数模型的输出结果。6.根据权利要求5所述的方法，其特征在于，所述计算所述商品价格预...

【专利技术属性】
技术研发人员：王碧波，董雪梅，
申请(专利权)人：苏州仙度网络科技有限公司，
类型：发明
国别省市：江苏,32