[发明专利]用于确定商品销量预测值的方法及装置

说明书

本申请提供了一种用于确定商品销量预测值的方法，包括：获取预定时间段内的商品销售数据，所述商品销售数据至少包括销售日期和销售量；基于所获取的商品销售数据，生成训练样本集；使用所生成的训练样本集来对一个或多个机器学习模型进行训练；以及基于训练后的一个或多个机器学习模型获得商品销量预测值。利用该方法，可以提高商品销售预测的准确性。

技术领域

本申请通常涉及计算机技术领域，更具体地，涉及一种用于确定商品销量预测值的方法及装置。

背景技术

在商品销售企业中，销量预测是企业营销决策和战略管理中的重要环节，比如，销售预测可以应用于商品补货策略、商品库存管理、商品生产计划规划等。由于商品销量受企业内部环境和外部环境中的多种因素影响，销量预测的准确性并不理想，从而如何提高商品销量预测准确性成为商品销售领域期待解决的问题。

发明内容

鉴于上述问题，本申请提供了一种用于确定商品销量预测值的方法及装置。利用该方法及装置，通过使用基于商品销售数据生成的训练样本集来对一个或多个机器学习模型进行训练；并且基于训练后的一个或多个机器学习模型来获得商品销量预测值，可以提高商品销售预测的准确性。

根据本申请的一个方面，提供了一种用于确定商品销量预测值的方法，包括：获取预定时间段内的商品销售数据，所述商品销售数据至少包括销售日期和销售量；基于所获取的商品销售数据，生成训练样本集；使用所生成的训练样本集来对一个或多个机器学习模型进行训练；以及基于训练后的一个或多个机器学习模型获得商品销量预测值。

可选地，在上述方面的一个示例中，使用所生成的训练样本集来对一个或多个机器学习模型进行训练是基于bagging算法实现的，以及基于训练后的一个或多个机器学习模型来获得商品销量预测值可以包括：获取在所述一个或多个机器学习模型中的各个机器学习模型下的候选商品销量预测值；以及计算所获取的各个候选商品销量预测值的平均值，作为商品销量预测值。

可选地，在上述方面的一个示例中，使用所生成的训练样本集来对一个或多个机器学习模型进行训练是基于boosting算法实现的，以及基于训练后的一个或多个机器学习模型来获得商品销量预测值可以包括：获取在所述一个或多个机器学习模型中的各个机器学习模型下的候选商品销量预测值以及对应的预测权重值；以及对所获取的各个候选商品销量预测值进行权重加和，以获得商品销量预测值。

可选地，在上述方面的一个示例中，所述机器学习模型可以包括下述中的至少一种：随机森林模型、极度梯度下降模型、分位数随机森林模型和支持向量机模型。

可选地，在上述方面的一个示例中，基于所获取的商品销售数据生成训练样本集可以包括：将所获取的商品销售数据转换为模型可用特征数据；以及基于所述模型可用特征数据生成训练样本集。

可选地，在上述方面的一个示例中，基于所获取的商品销售数据，生成训练样本集还可以包括：对所述模型可用特征数据进行特征降维处理，以及基于所述模型可用特征数据生成训练样本集可以包括：基于经过所述特征降维处理后的模型可用特征数据，生成训练样本集。

可选地，在上述方面的一个示例中，所述特征降维处理可以包括：从所述模型可用特征数据中去除与销量无关的特征信息；从所述模型可用特征数据中去除相关度超过预定阈值的特征信息；和/或使用随机森林算法来对所述模型可用特征数据进行特征信息消除。

可选地，在上述方面的一个示例中，所述方法还可以包括：对所获取的商品销售数据进行数据预处理。

可选地，在上述方面的一个示例中，所述方法还可以包括：使用所生成的训练样本集对所述一个或多个机器学习模型的模型参数进行调整。

可选地，在上述方面的一个示例中，所述模型参数调整是使用元启发算法和/或贝叶斯优化技术来实现的。