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。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