[发明专利]一种基于云平台的局部加权线性回归预测运算的方法

权利要求书

1.一种基于云平台的局部加权线性回归预测运算的方法，其特征在于，所述方法将局部加权线性回归预测运算构建在映射简化计算框架之下，该方法包括以下步骤：

确定带预测点，映射简化计算框架将待运算的数据点划分到多个节点储存在云平台上；

各节点同时开始对划分到本节点上的待运算数据点进行运算，采用临近算法计算数据点与待测点的距离，找到带运算数据点中距离符合第一阈值的数据点，第一阈值的范围预先设定；

将每个节点上找到的符合第一阈值的数据点集中，并对数据点中数据进行加权处理，利用加权处理后的数据值计算出回归系数，代入到回归方程，计算出的回归方程的解即为预测值。

2.根据权利要求1所述方法，其特征在于，所述映射简化计算框架将带运算数据点划分到节点具体为：

映射计算框架估算数据总量以及算法对系统内存的消耗量，计算出需划分节点的个数。

3.根据权利要求1所述方法，其特征在于，所述将每个节点上找到的符合第一阈值的数据点集中进一步包括：

将所有符合第一阈值的数据点集中以后，再从中进一步筛选出符合第二阈值的数据点，第二阈值的范围预先设定。

4.根据权利要求1所述方法，其特征在于，所述对数据点进行加权处理具体为：

利用混合高斯模型计算各数据点的权重。

5.根据权利要求1-4中任意一项所述方法，其特征在于，所述计算数据点与待测点的距离具体为：

将数据点与待测点数据分成用户ID、时间、温度和天气四个维度，分别计算数据点与待测点四个维度的距离，在计算四个维度距离的和，即为数据点与待测点的距离。

6.根据权利要求5所述方法，其特征在于，所述对用户ID信息数据距离的计算具体为：

数据点与待测点相同ID信息距离为0，不同ID信息距离为无穷大。

7.根据权利要求5所述方法，其特征在于，所述对时间信息数据距离的计算具体为：

以预定时长为单位的时间数据，制定周期环形模式计算距离，取数据点与待测点时间数据在周期环上最近的距离。

8.根据权利要求7所述方法，其特征在于：所述预定时长为月、星期、日或小时，并设定月周期环周长为30，星期周期环周长为7，日周期环周长为24，小时周期环周长为60。

9.根据权利要求5所述方法，其特征在于，所述对时间温度数据距离的计算具体为：

数据点与待测点温度数值间差值即为数据距离。

10.根据权利要求5所述方法，其特征在于，所述对天气信息数据距离的计算具体为：

将天气信息划分为有雨和无雨两种情况，设定有雨距离为1，无雨距离为0。