[发明专利]基于随机森林算法预测景区客流量的方法和装置

权利要求书

1.一种基于随机森林算法预测景区客流量的方法，其特征在于，包括：

建立参数优化的随机森林算法模型，根据拟合优度和平均标准误差调试模型参数，基于网格搜索算法寻找最优随机森林算法模型；

将特征数据集输入到所述最优随机森林算法模型，得到预测景区未来的日客流量。

2.根据权利要求1所述的方法，其特征在于，所述特征数据集的获取方式包括：

收集景区历史的客流量和特征因子得到历史原始数据，所述特征因子包括天气、节假日、最高气温、最低气温、季节；

针对不同类型缺失值分别使用拉格朗日插值法和同期历史数据均值补全所述历史原始数据缺失的游客数据值；

通过高维映射对离散型定性特征进行量化；

进行标准化和归一化处理。

3.根据权利要求1所述的方法，其特征在于，所述建立参数优化的随机森林算法模型包括：

定义训练集和测试集，按比例分割整个数据集的训练集和测试集，建立训练集/测试集的输入和输出矩阵；

计算R方值、均方差和平均绝对误差；

根据拟合优度和平均标准误差调试模型参数，基于网格搜索算法寻找最优随机森林模型。

4.根据权利要求1所述的方法，其特征在于，所述基于网格搜索算法寻找最优随机森林模型具体包括：

确定决策树的数量k和候选分裂属性数m_try的范围，设定步长在k和m_try坐标系上建立二维网格，网格节点就是相应的k和m_try的参数对；

对网格节点上的每一组参数构建随机森林，并利用袋外数据估计分类误差；

选择分类误差最小的参数k，m_try，若分类误差或者步长满足要求，则输出最优参数和分类误差。

5.根据权利要求1所述的方法，其特征在于，所述计算R方值、均方差和平均绝对误差包括：

R方值

均方差

平均绝对误差

其中，y代表每日客流量，y_i代表历史第i天的客流量。

6.一种装置，其特征在于，包括：

特征数据集单元，根据景区历史的客流量和特征因子构成的历史原始数据经过处理得到的特征数据集；

随机森林算法模型，用于根据输入的所述特征数据集输出预测到的景区未来的日客流量。

7.根据权利要求6所述的装置，其特征在于，所述特征数据集单元包括：

采集单元，用于收集景区历史的客流量和特征因子得到历史原始数据，所述特征因子包括天气、节假日、最高气温、最低气温、季节；

第一处理单元，用于针对不同类型缺失值分别使用拉格朗日插值法和同期历史数据均值补全所述历史原始数据缺失的游客数据值；

第二处理单元，用于通过高维映射对离散型定性特征进行量化；

第三处理单元，用于进行标准化和归一化处理。

8.根据权利要求6所述的装置，其特征在于，所述随机森林算法模型通过如下方式生成：

定义训练集和测试集，按比例分割整个数据集的训练集和测试集，建立训练集/测试集的输入和输出矩阵；

计算R方值、均方差和平均绝对误差；

根据拟合优度和平均标准误差调试模型参数，基于网格搜索算法寻找最优随机森林模型。

9.根据权利要求8所述的装置，其特征在于，所述随机森林算法模型基于网格搜索算法寻找最优随机森林模型具体包括：

确定决策树的数量k和候选分裂属性数m_try的范围，设定步长在k和m_try坐标系上建立二维网格，网格节点就是相应的k和m_try的参数对；

对网格节点上的每一组参数构建随机森林，并利用袋外数据估计分类误差；

选择分类误差最小的参数k，m_try，若分类误差或者步长满足要求，则输出最优参数和分类误差。

10.根据权利要求9所述的装置，其特征在于，所述随机森林算法模型计算R方值、均方差和平均绝对误差包括：

R方值

均方差

平均绝对误差

其中，y代表每日客流量，y_i代表历史第i天的客流量。