[发明专利]一种基于数据挖掘的餐厅客流量预测方法、装置及设备

权利要求书

1.一种基于数据挖掘的餐厅客流量预测方法，其特征在于，包括：

获取待预测时间段相关数据；

将所述待预测时间段相关数据作为输入量通过线性回归算法得到第一初级预测结果；

将所述待预测时间段相关数据作为输入量通过随机森林算法得到第二初级预测结果；

根据随机森林算法得分权重与线性回归算法得分权重，对所述第一初级预测结果与所述第二初级预测结果进行加权平均，得到第三初级预测结果；其中，所述随机森林算法得分权重与所述线性回归算法得分权重为通过对训练数据集训练学习得到的得分权重；

将所述第一初级预测结果、所述第二初级预测结果及所述第三初级预测结果作为输入量通过次级学习器，得到餐厅客流量的最终预测结果。

2.如权利要求1所述的基于数据挖掘的餐厅客流量预测方法，其特征在于，所述待预测时间段相关数据包括日期信息、天气信息及地理位置信息。

3.如权利要求1所述的基于数据挖掘的餐厅客流量预测方法，其特征在于，所述次级学习器为利用随机森林算法的学习器，或利用线性回归算法的学习器。

4.如权利要求1所述的基于数据挖掘的餐厅客流量预测方法，其特征在于，在得到餐厅客流量的最终预测结果之后包括：

利用均方根误差RMLSE作为评价预测结果优良的标准，其中，均方差公式为：

所述observed_t表示真实访客数量，所述predicted_t表示预测的访客数量，所述N表示数据的总数，所述t表示当前数据的编号。

5.一种基于数据挖掘的餐厅客流量预测装置，其特征在于，包括：

获取模块，用于获取待预测时间段相关数据；

第一初级计算模块，用于将所述待预测时间段相关数据作为输入量通过线性回归算法得到第一初级预测结果；

第二初级计算模块，用于将所述待预测时间段相关数据作为输入量通过随机森林算法得到第二初级预测结果；

第三初级计算模块，用于根据随机森林算法得分权重与线性回归算法得分权重，对所述第一初级预测结果与所述第二初级预测结果进行加权平均，得到第三初级预测结果；其中，所述随机森林算法得分权重与所述线性回归算法得分权重为通过对训练数据集训练学习得到的得分权重；

次级计算模块，用于将所述第一初级预测结果、所述第二初级预测结果及所述第三初级预测结果作为输入量通过次级学习器，得到餐厅客流量的最终预测结果。

6.如权利要求5所述的基于数据挖掘的餐厅客流量预测装置，其特征在于，所述获取模块具体用于：

所述待预测时间段相关数据包括日期信息、天气信息及地理位置信息。

7.如权利要求5所述的基于数据挖掘的餐厅客流量预测装置，其特征在于，所述次级计算模块具体用于：

所述次级学习器可为利用随机森林算法的学习器，或利用线性回归算法的学习器。

8.如权利要求5所述的基于数据挖掘的餐厅客流量预测装置，其特征在于，所述次级计算模块具体用于：

在得到最终预测结果之后，利用均方根误差RMLSE作为评价预测结果优良的标准，其中，均方差公式为：

所述observed_t表示真实访客数量，所述predicted_t表示预测的访客数量，所述N表示数据的总数，所述t表示当前数据的编号。

9.一种基于数据挖掘的餐厅客流量预测设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至4任一项所述的基于数据挖掘的餐厅客流量预测方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述的基于数据挖掘的餐厅客流量预测方法的步骤。