[发明专利]基于半监督学习的销售风险点检测系统、装置

摘要

本发明属于机器学习领域，具体涉及了一种基于半监督学习的销售风险点检测方法、系统、装置，旨在解决销售风险点分析效率低、准确率不高、应用场景局限以及大数据环境下难以应用的问题。本发明方法包括：获取数据并构建图数据库；将图数据库中的数据清洗成原始状态；对数据聚类，找出平均轮廓系数接近1时的k值；标记k个聚类数据的特征并设置规则，采用随机森林法分类数据；分析数据之间的相关性，找出风险产品组合；采用知识图谱展示风险点。本发明结合有监督与无监督学习，可以有效地检测出企业可能存在的金融风险并为企业提供建议，优化团队组合，丰富产品搭配。

主权项

1.一种基于半监督学习的销售风险点检测方法，其特征在于，包括：步骤S10，基于获取的数据信息构建第一图数据库；所述第一图数据库包括设定类别产品销售数据、对应产品销售人员数据、销售区域数据；步骤S20，基于所述第一图数据库，采用Pandas方法获得原始状态数据，并基于该数据构建第二图数据库；步骤S30，采用K均值聚类法对所述第二图数据库的数据进行聚类，计算平均轮廓系数；获得所述平均轮廓系数接近1时对应的k值和聚类集合；步骤S40，分别提取所述k个聚类集合中各聚类的数据的特征，并利用该特征分别对所述第二图数据库中数据进行标记，获得第三图数据库；步骤S50，按照所述第三图数据库的数据特征设置随机森林决策规则，构建随机森林；采用随机森林分类器对所述第三图数据库进行数据分类，获得第四图数据库；所述随机森林，由对应k个特征的k棵分类树构成；步骤S60，采用Pearson相关系数计算所述第四图数据库各分类数据之间的相关性，输出相关系数值低于预设阈值的产品组合；所述相关系数值低于预设值的产品组合为销售风险点。