[发明专利]基于XGBoost模型的异常下单重量预警方法及系统

权利要求书

1.一种基于XGBoost模型的异常下单重量预警方法，其特征在于，包括：

接收客户当前下单数据；

结合客户当前下单和历史下单数据进行特征工程，构建当前下单关联的入模特征变量；所述特征工程构建的特征包括，当前下单的重量、件数、时间、下单渠道，以及基于历史下单数据统计出来的下单实际重量和件数的特定最大值、最小值、求和值、平均数值、中位数值和四分位数值；

将当前下单关联的入模特征变量输入至训练好的XGBoost模型中，分别获得当前下单为坏订单和好订单的概率；所述坏订单是指下单实际重量与下单重量的绝对差值大于预设重量阈值；反之，则为好订单；

根据当前下单为坏订单和好订单的概率，判断是否作出调整下单重量预警。

2.根据权利要求1所述的基于XGBoost模型的异常下单重量预警方法，其特征在于，所述在接收客户当前下单数据之前，先对XGBoost模型进行训练，包括：

获取所有客户的历史下单数据集；

随机剔除历史下单数据集中的订单，得到目标历史下单数据集；所述目标历史下单数据集中好订单与坏订单的单数比达到预设比例值；

对目标历史下单数据集进行特征工程，构建入模特征变量集；

将目标历史下单数据集中每单为好订单或坏订单信息，以及入模特征变量集输入至XGBoost模型，对XGBoost模型进行训练。

3.根据权利要求1所述的基于XGBoost模型的异常下单重量预警方法，其特征在于，所述根据当前下单为坏订单和好订单的概率，判断是否作出调整下单重量预警的步骤，包括：

若当前下单为坏订单的概率高于预设概率阈值，则作出调整重量预警；

或

若当前下单为坏订单的概率高于为好订单的概率，则作出调整重量预警。

4.根据权利要求2所述的基于XGBoost模型的异常下单重量预警方法，其特征在于，所述目标历史下单数据集中好订单与坏订单单数比的预设比例值为2:1。

5.根据权利要求2所述的基于XGBoost模型的异常下单重量预警方法，其特征在于，所述获取所有客户的历史下单数据集步骤之后，先对历史下单数据集中的下单重量和下单件数进行数据清洗，包括：

若客户当笔下单的下单重量为零，则将该笔下单的下单重量替换为该客户历史下单数据中记录的下单最小实际重量；若客户当笔下单的下单重量大于预设下单重量阈值，则将该笔下单的下单重量替换为该客户历史下单数据中记录的所有下单实际重量的中位数；

若客户当笔下单的下单件数为零，则将该笔下单的下单件数替换为该客户历史下单数据中记录的下单最小实际件数；若客户当笔下单的下单件数大于预设下单件数阈值，则将该笔下单的下单件数替换为该客户历史下单数据中记录的所有下单实际件数的中位数。

6.一种基于XGBoost模型的异常下单重量预警系统，其特征在于，包括：

接收模块，用于接收客户当前下单数据；

构建模块，用于结合客户当前下单和历史下单数据进行特征工程，构建当前下单关联的入模特征变量；所述特征工程构建的特征包括，当前下单的重量、件数、时间、下单渠道，以及基于历史下单数据统计出来的下单实际重量和件数的特定最大值、最小值、求和值、平均数值、中位数值和四分位数值；

输出模块，用于将当前下单关联的入模特征变量输入至训练好的XGBoost模型中，分别获得当前下单为坏订单和好订单的概率；所述坏订单是指下单实际重量与下单重量的绝对差值大于预设重量阈值；反之，则为好订单；

预警模块，用于根据当前下单为坏订单和好订单的概率，判断是否作出调整下单重量预警；

XGBoost模型，用于根据输出模块输入的数据，预测得到当前下单为坏订单和好订单的概率。