销量预测模型的超参数优化方法及装置制造方法及图纸

本发明专利技术涉及销量预测技术领域，本发明专利技术旨在解决现有的超参数优化方法存在消耗时间长及消耗资源多的问题，提出一种销量预测模型的超参数优化方法及装置，方案概括为：获取历史销量数据，对历史销量数据进行处理后得到时间序列数据；根据超参数范围依次设置销量预测模型的超参数，将每次设置的超参数以及所述时间序列数据输入至销量预测模型中，计算得到各超参数对应的第一销量预测误差，选取第一销量预测误差最小的前N组超参数；并行化销量预测模型，根据并行化后的销量预测模型选取N组超参数；根据人为经验以及超参数范围对超参数进行优化；对优化后的超参数进行贝叶斯优化，获得最优超参数。本发明专利技术降低了系统运行时间以及资源消耗。消耗。消耗。

【技术实现步骤摘要】
销量预测模型的超参数优化方法及装置


[0001]本专利技术涉及销量预测
，具体来说涉及一种销量预测模型的超参数优化方法及装置。

技术介绍

[0002]销售预测系统运用模型进行数据预测，从而为业务提供技术支持，模型分为机器学习，深度学习，时间序列等，一般模型构建流程为，获取数据，数据预处理，特征工程，训练模型、诊断、调优，模型验证、误差分析、模型融合、部署上线等，最为核心的一个就是参数，而参数又分为模型参数与超参数。模型参数，就是使用的模型根据训练数据的分布学习得到的参数。超参数是在开始学习过程之前设置值得参数，而不是通过训练得到的参数数据。通常情况下，需要对超参数进行优化，给模型选择一组最优超参数，以提高学习的性能和效果。现有技术中常用的超参数调参的方法为网格搜索。
[0003]网格搜索是应用最广泛的超参数搜索算法，网格搜索通过查找搜索范围内所有的点，来确定最优值。一般通过给出较大的搜索范围以及较小的步长，网格搜索是一定可以找到全局最大值。但是，网格搜索有一个比较大的缺陷是，当调优的超参数比较多的时候以及数据量大的时候，耗时时间长本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.销量预测模型的超参数优化方法，其特征在于，包括以下步骤：步骤1、获取历史销量数据，对历史销量数据进行处理后得到时间序列数据；步骤2、根据超参数范围依次设置销量预测模型的超参数，将每次设置的超参数以及所述时间序列数据输入至销量预测模型中，计算得到各超参数对应的第一销量预测误差，选取第一销量预测误差最小的前N组超参数，N为大于1的整数；步骤3、并行化销量预测模型，根据步骤2选取的前N组超参数运行并行化后的销量预测模型，得到第二销量预测误差和第一运行时间，根据所述第二销量预测误差和第一运行时间选取N组超参数；步骤4、根据人为经验以及超参数范围对步骤3选取的N组超参数进行优化，根据优化后的N组超参数运行销量预测模型，得到第三销量预测误差和第二运行时间，根据所述第三销量预测误差和第二运行时间选取N组超参数；步骤5、分别对步骤4选取的N组超参数进行贝叶斯优化，得到贝叶斯优化后的N组超参数，根据所述贝叶斯优化后的N组超参数获得最优超参数。2.如权利要求1所述的销量预测模型的超参数优化方法，其特征在于，步骤1中，所述对历史销量数据进行处理包括：时间格式转换、字符类型转换、可视化操作以及对离散点的处理。3.如权利要求1所述的销量预测模型的超参数优化方法，其特征在于，步骤5中，所述分别对步骤4选取的N组超参数进行贝叶斯优化包括：根据步骤4选取的N组超参数以及销量预测模型进行销量预测，得到销量预测结果；建立贝叶斯优化模型，将所述销量预测结果以及步骤4选取的N组超参数输入至贝叶斯优化模型中，得到优化后的超参数。4.如权利要求1所述的销量预测模型的超参数优化方法，其特征在于，步骤5中，所述根据贝叶斯优化后的N组超参数获得最优超参数包括：对贝叶斯优化后的N组超参数进行合并，得到最优超参数。5.销量预测模型的超...

【专利技术属性】
技术研发人员：孙永强，
申请(专利权)人：四川长虹电器股份有限公司，
类型：发明
国别省市：