[发明专利]自动递归分裂聚类

权利要求书

1.一种方法，其包括：

访问包括数据集的数据源；

获得将所述数据集聚类于其上的多个特征；

对所述数据集进行层次聚类，所述层次聚类包括：

针对所述数据集上的所述多个特征中的每个特征估计特征粘性值，

选择所述多个特征中具有最大特征粘性值的第一特征，

基于所述第一特征对所述数据集进行聚类，以及

基于所述其余特征来对所述数据集进行递归聚类；以及

基于所述层次聚类生成巢式logit模型。

2.如权利要求1所述的方法，其中基于所述其余特征来对所述数据集进行递归聚类包括递归地进行以下操作：

基于所述第一特征将所述数据集聚类为多个分支；

从所述多个特征中移除所述第一特征；

在所述多个分支中的每个分支中，使用所述分支的相关联数据集，估计所述其余特征中的每个其余特征的条件特征粘性；以及

针对所述分支的所述相关联数据集，选择所述其余特征中具有所述最大特征粘性值的所述第一特征。

3.如权利要求1或2所述的方法，其中所述数据集包括历史销售数据。

4.如权利要求1或2所述的方法，其还包括：

基于所述巢式logit模型生成市场需求模型。

5.如权利要求1或2所述的方法，其中所述数据集包括历史车辆销售数据。

6.如权利要求5所述的方法，其中所述多个特征包括车辆品牌、车辆细分、车辆电源类型、车辆车身类型或车辆类别中的至少一者。

7.如权利要求1或2所述的方法，其中所述数据集为第一时间段的历史数据，所述方法包括：

使用所述多个特征对第二数据集进行层次聚类，其中所述第二数据集为第二时间段的历史数据；

基于所述第二数据集的所述层次聚类生成第二巢式logit模型；以及

基于所述巢式logit模型和所述第二巢式logit模型识别所述第一时间段和所述第二时间段之间的趋势变化。

8.如权利要求1或2所述的方法，其还包括：

基于所述巢式logit模型生成价格和销售量预测。

9.一种系统，其包括：

一个或多个处理器；以及

存储器，所述存储器具有存储在其上的指令，所述指令在由所述一个或多个处理器执行时，致使所述一个或多个处理器进行以下操作：

访问包括数据集的数据源；

获得将所述数据集聚类于其上的多个特征；

对所述数据集进行层次聚类，用于对所述数据集进行层次聚类的所述指令包括指令，所述指令在由所述一个或多个处理器执行时致使所述一个或多个处理器进行以下操作：

针对所述数据集上的所述多个特征中的每个特征估计特征粘性值，

选择所述多个特征中具有最大特征粘性值的第一特征，

基于所述第一特征对所述数据集进行聚类，以及

基于所述其余特征来对所述数据集进行递归聚类；以及

基于所述层次聚类生成巢式logit模型。

10.如权利要求9所述的系统，其中用于基于所述其余特征对所述数据集进行递归聚类的所述指令包括另外的指令，所述另外的指令在由所述一个或多个处理器执行时，致使所述一个或多个处理器递归地进行以下操作：

基于所述第一特征将所述数据集聚类为多个分支；

从所述多个特征中移除所述第一特征；

在所述多个分支中的每个分支中，使用所述分支的相关联数据集，估计所述其余特征中的每个其余特征的条件特征粘性；以及

针对所述分支的所述相关联数据集，选择所述其余特征中具有所述最大特征粘性值的所述第一特征。