本公开提供一种销量预测数据处理方法、装置、设备和存储介质，涉及人工智能技术领域，尤其涉及机器学习技术领域，所述方法包括将商品信息输入到预置的销量预测模型，得到商品的销量预测数据；获取根据平均模型和移动块抽样技术构造得到的预测区间，其中，所述平均模型根据候选模型集和模型平均技术得到；根据所述销量预测数据和所述预测区间获得预测数据合理性结果。本公开的技术方案可以提高销量预测数据处理结果的可信度。据处理结果的可信度。据处理结果的可信度。
【技术实现步骤摘要】
销量预测数据处理方法、装置、设备和存储介质
[0001]本公开涉及人工智能
，尤其涉及一种销量预测数据处理方法、装置、电子设备和非暂态计算机可读存储介质。
技术介绍
[0002]现有的销量预测方法可以分为三大类。第一类是德尔菲法，通过聚合专家的经验进行销量预测。第二类是时间序列预测法，使用时间序列根据历史销量情况预测之后的销量走势。第三类是机器学习预测法，使用机器学习预测模型对销量进行预测。
[0003]目前常用的销量预测方法大多缺乏对销量预测结果的合理性分析，即可能出现销量预测值与真实值相差很大的情况。在面对新商品进行销量预测时，以上三种方法都存在明显的缺点：在面对大数据时，人工分析往往没有模型分析的效果好，虽然专家主观上认为销量预测值是合理的，但仍有可能会出现销量预测值与真实值相差很大的情况。时间序列预测法没有使用商品的属性特征信息，并且时序预测模型也无法判断销量预测结果是否合理。机器学习模型利用了商品的属性和历史销量的信息，销量预测结果相比于时序方法更精确，但也没有具体的方法来判断销量预测结果是否合理。
[0004]可见，当前的技术方案不能有效地针对判断销量预测结果是否合理。
技术实现思路
[0005]本公开提供一种销量预测数据处理方法、装置、电子设备和非暂态计算机可读存储介质，用以解决现有技术不能有效判断销量预测数据合理性的问题，提高了销量预测数据处理结果的可信度。
[0006]本公开提供一种销量预测数据处理方法，包括：将商品信息输入到预置的销量预测模型，得到商品的销量预测数据；获取根据平均模型和移动块抽样技术构造得到的预测区间，其中，所述平均模型根据候选模型集和模型平均技术得到；根据所述销量预测数据和所述预测区间获得预测数据合理性结果。
[0007]根据本公开提供的一种销量预测数据处理方法，还包括对所述预测区间的预先构造的过程：获取所述平均模型；在原始训练集中随机抽取第一数量的随机训练集，并在采用所述随机训练集训练所述平均模型的模型参数后，将第二样本数据输入所述平均模型，得到所述第二样本数据对应的第一销量数据；重复N次抽取随机训练集，得到N个所述第二样本数据对应的所述第一销量数据，其中，N为自然数；根据N个所述第一销量数据的排序结果选取上分位数和下分位数，构成所述预测区间。
[0008]根据本公开提供的一种销量预测数据处理方法，还包括对所述平均模型的预先训练的过程：获取由所述候选模型集中的各个候选模型组成的初始平均模型；采用交叉验证方式对初始平均模型中的所述各个候选模型对应的权重进行训练，得到所述平均模型。
[0009]根据本公开提供的一种销量预测数据处理方法，所述将商品信息输入到预置的销量预测模型之前，所述方法还包括：对所述商品信息进行预处理，所述预处理过程包括：对
获取的商品信息进行数据清洗；对数据清洗后的所述商品信息的缺失值进行数据补全；对补全后的所述商品信息进行数据特征变换。
[0010]根据本公开提供的一种销量预测数据处理方法，还包括对所述销量预测模型的预先训练的过程：获取第一样本数据集，所述第一样本数据集包括商品信息样本及其对应的销量；基于回归损失函数采用所述第一样本数据集对初始销量预测模型进行训练，得到所述销量预测模型。
[0011]根据本公开提供的一种销量预测数据处理方法，所述根据所述销量预测数据和所述预测区间获得预测数据合理性结果，包括：若所述销量预测数据落入所述预测区间，则确定所述销量预测数据合理；若所述销量预测数据不落入所述预测区间，则确定所述销量预测数据不合理。
[0012]根据本公开提供的一种销量预测数据处理方法，所述根据所述销量预测数据和所述预测区间获得预测数据合理性结果之后，所述方法还包括：根据所述预测数据合理性结果对所述销量预测模型进行调整。
[0013]本公开还提供一种销量预测数据处理装置，所述装置包括：预测单元，用于将商品信息输入到预置的销量预测模型，得到商品的销量预测数据；获取单元，用于获取根据平均模型和移动块抽样技术构造得到的预测区间，其中，所述平均模型根据候选模型集和模型平均技术得到；判断单元，用于根据所述销量预测数据和所述预测区间获得预测数据合理性结果。
[0014]根据本公开提供的一种销量预测数据处理装置，还包括构造单元，用于预先构造所述预测区间，所述构造单元包括：第一获取子单元，用于获取所述平均模型；第一训练子单元，用于在原始训练集中随机抽取第一数量的随机训练集，并在采用所述随机训练集训练所述平均模型的模型参数后，将第二样本数据输入所述平均模型，得到所述第二样本数据对应的第一销量数据，重复N次抽取随机训练集，得到N个所述第二样本数据对应的所述第一销量数据，其中，N为自然数；构造子单元，用于根据N个所述第一销量数据的排序结果选取上分位数和下分位数，构成所述预测区间。
[0015]根据本公开提供的一种销量预测数据处理装置，还包括第一训练单元，用于预先训练所述平均模型，所述第一训练单元包括：第二获取子单元，用于获取由所述候选模型集中的各个候选模型组成的初始平均模型；第二训练子单元，用于采用交叉验证的装置对初始平均模型中的所述各个候选模型对应的权重进行训练，得到所述平均模型。
[0016]根据本公开提供的一种销量预测数据处理装置，所述装置还包括预处理单元，用于对所述商品信息进行预处理，所述预处理单元包括：清洗子单元，用于对获取的商品信息进行数据清洗；补全子单元，用于对数据清洗后的所述商品信息的缺失值进行数据补全；变换子单元，用于对补全后的所述商品信息进行数据特征变换。
[0017]根据本公开提供的一种销量预测数据处理装置，还包括对所述销量预测模型的预先训练的过程：获取第一样本数据集，所述第一样本数据集包括商品信息样本及其对应的销量；基于回归损失函数采用所述第一样本数据集对初始销量预测模型进行训练，得到所述销量预测模型。
[0018]根据本公开提供的一种销量预测数据处理装置，所述判断子单元还用于，在所述销量预测数据落入所述预测区间时，确定所述销量预测数据合理；在所述销量预测数据不
落入所述预测区间时，确定所述销量预测数据不合理。
[0019]根据本公开提供的一种销量预测数据处理装置，所述装置还包括调整单元，用于根据所述预测数据合理性结果对所述销量预测模型进行调整。
[0020]本公开还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述销量预测数据处理方法的步骤。
[0021]本公开还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述销量预测数据处理方法的步骤。
[0022]本公开提供的销量预测数据处理方法、装置、电子设备和非暂态计算机可读存储介质，根据模型平均技术和移动块抽样技术构造得到预测区间，并根据该预测区间判断通过销量预测模型得到的销量预测数据是否合理，实现了多角度利用数据以及充分本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种销量预测数据处理方法，其特征在于，所述方法包括：将商品信息输入到预置的销量预测模型，得到商品的销量预测数据；获取根据平均模型和移动块抽样技术构造得到的预测区间，其中，所述平均模型根据候选模型集和模型平均技术得到；根据所述销量预测数据和所述预测区间获得预测数据合理性结果。2.根据权利要求1所述的方法，其特征在于，还包括对所述预测区间的预先构造的过程：获取所述平均模型；在原始训练集中随机抽取第一数量的随机训练集，并在采用所述随机训练集训练所述平均模型的模型参数后，将第二样本数据输入所述平均模型，得到所述第二样本数据对应的第一销量数据；重复N次抽取随机训练集，得到N个所述第二样本数据对应的所述第一销量数据，其中，N为自然数；根据N个所述第一销量数据的排序结果选取上分位数和下分位数，构成所述预测区间。3.根据权利要求2所述的方法，其特征在于，还包括对所述平均模型的预先训练的过程：获取由所述候选模型集中的各个候选模型组成的初始平均模型；采用交叉验证方式对初始平均模型中的所述各个候选模型对应的权重进行训练，得到所述平均模型。4.根据权利要求1所述的方法，其特征在于，所述将商品信息输入到预置的销量预测模型之前，所述方法还包括：对所述商品信息进行预处理，所述预处理的过程包括：对获取的商品信息进行数据清洗；对数据清洗后的所述商品信息的缺失值进行数据补全；对补全后的所述商品信息进行数据特征变换。5.根据权利要求1所述的方法，其特征在于，还包括对所述销量预测模型的预先训练的过程：获取第一样本数据集，所述第一样本数据集包括商品信息样本及其对应的销量；基于回归损失函数采用所述第一样本数据集对初始销量预测模型进行训练，得到所述销量预测模型。6.根据权利要求1所述的方法，其特征在于，所述根据所述销量预测数据和所述预...
【专利技术属性】
技术研发人员：高子文，倪诗影，吕昊，王臣良，付靖玲，王答明，
申请(专利权)人：北京京东尚科信息技术有限公司，
类型：发明
国别省市：
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。