[发明专利]一种基于SVM的运费误差预测方法及装置

说明书

技术领域

本发明涉及计算机技术领域，具体涉及一种基于SVM的运费误差预测方法及系统。

背景技术

对于电子商务企业来说，大件承运的实时运费系统每个月会产生大量与订单运费相关的数据，企业的财务部门都会定期抽查遍布全国各个站点承运商产生的运费并对其进行分析，以找出运费有问题的站点和承运商，这项工作无疑会消耗巨大的人力和物力，然而，即便如此仍然会存在遗漏的可能性。

为了实现对上述维度复杂且庞大数据量的运费数据进行快速准确的分析和预测，现有技术中通常选择运用SVM算法进行运费财务数据进行预测。

然而，传统的SVM算法只能适用于样本数据量较小的情况，当样本数据量不断增大时，运用SVM算法进行计算任务的耗时也会呈相应的级数增长，从而将严重影响SVM算法的计算效率。

发明内容

有鉴于此，本发明实施例提供一种基于SVM的运费误差预测方法及装置，能够应对大数据量的运费计算任务，从而获得准确的承运商的运费误差率。

为实现上述目的，根据本发明的一个方面，提供了一种基于SVM 的运费误差预测方法，该方法包括：

获取承运商的历史运费数据构建训练样本集，并且获取当前运费数据构建测试样本集；

选择任意一对惩罚系数和核参数函数的组合，构造SVM分类器的目标函数；

结合所述训练样本集作为输入以及训练样本集中的误差率作为输出，对所述目标函数进行训练，获得所述SVM分类器；

利用所述SVM分类器，将所述测试样本集作为输入，计算获得所述承运商运费的所述误差率。

可选地，所述当前运费数据包括：预设时间周期中的特定时间段的所述承运商对应的路由、计费类型、运单体积、商品件型、计费时间、计算金额；

所述历史运费数据包括：所述预设时间周期中除所述特定时间段之外的剩余时间段的所述承运商对应的路由、计费类型、运单体积、商品件型、计费时间、计算金额、实际金额、误差率。

可选地，对所述目标函数进行训练，该方法还包括：采用均匀设计方法选择预设数量的所述惩罚系数和所述核参数函数的组合，结合所述训练样本集作为输入以及训练样本集中的误差率对所述目标函数进行训练。

可选地，该方法还包括：在对所述目标函数进行训练，获得所述 SVM分类器之后，确认得到最优的所述惩罚系数和所述核参数函数。

可选地，该方法还包括：如果计算获得所述承运商运费的所述误差率小于等于预设阀值，则向所述承运商支付所述当前运费数据中所述计算金额的承运费，反之，则向所述承运商按照实际金额进行支付。

可选地，构造的所述目标函数是：

其中，α_j表示拉格朗日系数，x_j表示输入样本，y_j表示样本类别值，y_j表示以误差率作为样本类别值且y_j∈(-∞,+∞)，k，b分别为超平面kx+b＝0的系数和常数。

根据本发明的另一个方面，还提供了一种基于SVM的运费误差预测装置，该装置包括：

数据采集模块，用于获取承运商的历史运费数据构建训练样本集，并且获取当前运费数据构建测试样本集；

目标函数构造模块，用于选择任意一对惩罚系数和核参数函数的组合，构造SVM分类器的目标函数；

分类器构造模块，用于结合所述训练样本集作为输入以及训练样本集中的误差率作为输出，对所述目标函数进行训练，获得所述SVM 分类器；

预测模块，用于利用所述SVM分类器，将所述测试样本集作为输入，计算获得所述承运商运费的所述误差率。

可选地，所述当前运费数据包括：预设时间周期中的特定时间段的所述承运商对应的路由、计费类型、运单体积、商品件型、计费时间、计算金额；

所述历史运费数据包括：所述预设时间周期中除所述特定时间段之外的剩余时间段的所述承运商对应的路由、计费类型、运单体积、商品件型、计费时间、计算金额、实际金额、误差率。

可选地，所述分类器构造模块还用于：采用均匀设计装置选择预设数量的所述惩罚系数和所述核参数函数的组合，结合所述训练样本集作为输入以及训练样本集中的误差率对所述目标函数进行训练。

可选地，所述分类器构造模块还用于：在对所述目标函数进行训练，获得所述SVM分类器之后，确认得到最优的所述惩罚系数和所述核参数函数。