[发明专利]一种仓库管理数据的智能预测方法

权利要求书

1.一种仓库管理数据的智能预测方法，其特征在于：通过朴素贝叶斯定理进行分类算法预测，其中朴素贝叶斯定理的计算公式为：

P(H|X)＝P(X|H)P(H)/P(X)

P(X|H)表示事件H已经发生的前提下，事件X发生的概率，叫做事件H发生下事件X的条件概率；

其基本求解公式为：P(X|H)＝P(XH)/P(H)。

2.根据权利要求1所述的一种仓库管理数据的智能预测方法，其特征在于：所述朴素贝叶斯定理分类的定义如下：

1)设x＝{x1，x2，……，Xn}为一个待分类项，而每个xi为x的一个特征属性；

2)有类别集合C＝{C1，C2，……，Cm}；

3)计算P(C1|X)，P(C2|X)，P(C3|X)，……，P(Cm|X)；

4)如果P(Ci|X)＝max{P(C1|X)，P(C2|X)，P(C3|X)，……，P(Cm|X)}，则X应划分为类Ci。

3.根据权利要求2所述的一种仓库管理数据的智能预测方法，其特征在于：所述步骤3)中的各个条件概率的计算方法包括：

31)找到一个已知分类的待分类项集合，这个集合叫做训练样本集；

32)统计得到在各类别下各个特征属性的条件概率估计；即

P(X1|C1)，P(X2|C1)……P(Xn|C1)，P(X1|C2)，P(X2|C2)，……，P(Xn|C2)，……，P(X1|Cm)，P(X2|Cm)，……，P(Xn|Cm)。

33)如果各个特征属性是条件独立的，则根据朴素贝叶斯定理有如下推导：

P(Ci|X)＝P(X|Ci)P(Ci)/P(X)；因为分母对于所有类别为常数，所以只要将分子最大化皆可；又因为各特征属性是条件独立的，所以有：

P(X|Ci)=Πk=1nP(xk|Ci)=P(x1|Ci)×P(x2|Ci)×...×P(xn|Ci).]]>