[发明专利]数据处理方法及装置

权利要求书

1.一种数据处理方法，其特征在于，包括：

获取第一对象的历史特征数据和历史销量数据；

对所述历史特征数据进行预处理，其包括：对所述历史特征数据中的不可量化数据，做一位有效编码处理；对所述历史特征数据中的敏感数据进行分桶处理；对所述历史特征数据中的空值，增加一列来表示对应的特征是否为空；

根据所述第一对象的预处理后的历史特征数据和所述历史销量数据获得所述第一对象的预测销量；

根据所述第一对象的预测销量构建目标函数；

根据给定条件获得约束条件；以及

根据所述目标函数和所述约束条件获得所述第一对象的生产额；

其中，所述根据第一对象的历史特征数据和历史销量数据获得所述第一对象的预测销量，包括：

将所述第一对象的历史特征数据和历史销量数据划分为测试集和训练集；

根据所述训练集训练模型，通过所述模型获得所述历史特征数据和所述历史销量数据之间的关系；其中，所述根据所述训练集训练模型，包括：根据所述训练集采用两种或者两种以上的机器学习算法来训练，分别获得相应的模型；

分别根据所述测试集验证训练好的各个模型，获得各个模型的准确度；

通过训练好的模型获得所述第一对象的预测销量；其中，所述通过训练好的模型获得所述第一对象的预测销量，包括：根据各个模型的准确度对各个模型的预测销量进行加权融合，获得所述第一对象的所述预测销量；其中，各个模型的预测销量的权重正相关于相应模型的准确度。

2.如权利要求1所述的方法，其特征在于，所述第一对象为指定品牌，所述指定品牌包括产品i和产品j，其中根据所述第一对象的预测销量构建的所述目标函数如以下公式所示：

其中，D是求方差；w_i是产品i的预测销量比例，x_i是产品i的预测销量；w_j是产品j的预测销量比例，x_j是产品j的预测销量；N是所述指定品牌的产品数；cov(x_i,x_j)是产品i和产品j的预测销量的协方差。

3.如权利要求2所述的方法，其特征在于，其中产品i和产品j的预测销量的协方差cov(x_i,x_j)通过以下方式获得：

通过第二对象的预测销量模拟获得所述第一对象的协方差cov(x_i,x_j)。

4.如权利要求3所述的方法，其特征在于，所述第二对象包括K个其他品牌，其中通过以下两个公式获得协方差cov(x_i,x_j)：

其中，x_ik和x_jk分别表示所述K个其他品牌中的第k个品牌在产品i的特征数据和产品j的特征数据下的预测销量。

5.如权利要求2所述的方法，其特征在于，所述根据给定条件获得约束条件，包括：

在给定所述第一对象的销售额Q和销售量Z的情况下，获得的约束条件如下两公式所示：

其中，p_i为所述第一对象中的产品i制定的销售价格。

6.如权利要求5所述的方法，其特征在于，所述根据给定条件获得约束条件，还包括：

在给定所述第一对象的产品i的分配资金F_i和成本C_i的情况下，获得的约束条件还包括如下两公式：

7.如权利要求6所述的方法，其特征在于，所述根据所述目标函数和所述约束条件获得所述第一对象的生产额，包括：

根据所述目标函数和所述约束条件获得所述第一对象的产品i的预测销量比例w_i；

根据产品i的预测销量比例w_i和产品i的预测销量x_i获得产品i的生产额。