[发明专利]一种基于机器学习的商圈树构建方法及系统

权利要求书

1.一种基于机器学习的商圈树构建方法，其特征在于，包括：

收集未在册供应商的数据；

基于数据仓库技术对所述数据进行预处理，得到预处理后的数据；

基于所述预处理后的数据构建目标评估模型；

基于所述目标评估模型预测所述未在册供应商与商圈树中供应商的供需关系，当所述供需关系满足预设条件时，将所述未在册供应商加入商圈树构建出新的商圈树。

2.根据权利要求1所述的方法，其特征在于，所述基于数据仓库技术对所述数据进行预处理，包括：

基于数据仓库技术对所述数据中的缺失值和偏离值进行处理，以及对所述数据进行规范化和转换处理。

3.根据权利要求2所述的方法，其特征在于，所述基于所述预处理后的数据构建评估模型，包括：

对所述预处理后的数据进行特征构建与特征选择，得到所述预处理后的数据的显著特征；

基于所述显著特征将所述预处理后的数据分割为训练数据、验证数据和测试数据；

利用所述训练数据进行算法训练评估模型；

利用所述测试数据计算训练生成的评估模型的最终准确率；

基于所述最终准确率，利用所述验证数据对训练生成的评估模型的参数进行调整，得到目标评估模型。

4.根据权利要求3所述的方法，其特征在于，所述对所述预处理后的数据进行特征构建与特征选择，得到所述预处理后的数据的显著特征，包括：

对所述预处理后的数据进行特征提取和数据降维处理，得到所述预处理后的数据的显著特征。

5.根据权利要求4所述的方法，其特征在于，所述利用所述训练数据进行算法训练评估模型，包括：

利用所述训练数据，采用决策树、朴素贝叶斯和神经网络算法训练评估模型。

6.一种基于机器学习的商圈树构建系统，其特征在于，包括：

收集模块，用于收集未在册供应商的数据；

预处理模块，用于基于数据仓库技术对所述数据进行预处理，得到预处理后的数据；

第一构建模块，用于基于所述预处理后的数据构建目标评估模型；

第二构建模块，用于基于所述目标评估模型预测所述未在册供应商与商圈树中供应商的供需关系，当所述供需关系满足预设条件时，将所述未在册供应商加入商圈树构建出新的商圈树。

7.根据权利要求6所述的系统，其特征在于，所述预处理模块在执行基于数据仓库技术对所述数据进行预处理，得到预处理后的数据时，具体用于：

基于数据仓库技术对所述数据中的缺失值和偏离值进行处理，以及对所述数据进行规范化和转换处理。

8.根据权利要求7所述的系统，其特征在于，所述第一构建模块在执行基于所述预处理后的数据构建目标评估模型时，包括：

特征处理单元，用于对所述预处理后的数据进行特征构建与特征选择，得到所述预处理后的数据的显著特征；

数据分割单元，用于基于所述显著特征将所述预处理后的数据分割为训练数据、验证数据和测试数据；

训练单元，用于利用所述训练数据进行算法训练评估模型；

计算单元，用于利用所述测试数据计算训练生成的评估模型的最终准确率；

参数调整单元，用于基于所述最终准确率，利用所述验证数据对训练生成的评估模型的参数进行调整，得到目标评估模型。

9.根据权利要求8所述的系统，其特征在于，所述特征处理单元在执行对所述预处理后的数据进行特征构建与特征选择，得到所述预处理后的数据的显著特征时，具体用于：

对所述预处理后的数据进行特征提取和数据降维处理，得到所述预处理后的数据的显著特征。

10.根据权利要求9所述的系统，其特征在于，所述训练单元在执行利用所述训练数据进行算法训练评估模型时，具体用于：

利用所述训练数据，采用决策树、朴素贝叶斯和神经网络算法训练评估模型。