[发明专利]一种弹性适应噪音的销售预测的方法及系统

权利要求书

1.一种弹性适应噪音的销售预测方法，其特征在于，包括：

S10、获取待预测产品的历史销售数据，并进行预处理；

S20、对经过预处理后的历史销售数据，进行特征提取与特征选择；

S30、将选择的特征进行弹性误差计算；所述弹性误差计算包括：机器学习模型的误差函数及分段误差计算；

S40、将所述弹性误差计算引入所述机器学习模型，利用所述预处理后的历史销售数据对所述机器学习模型进行训练；

S50、将预测产品未来销售的相关数据，输入训练后的机器学习模型，生成预测结果。

2.如权利要求1所述的一种弹性适应噪音的销售预测方法，其特征在于，所述步骤S10，包括：

对待预测产品的历史销售数据，进行数据清洗、缺失值插补和异常值处理。

3.如权利要求1所述的一种弹性适应噪音的销售预测方法，其特征在于，所述步骤S20，包括：

将经过预处理后的历史销售数据中的定量数据转换为模型所需的表示方式；将定性数据采用预设规则进行编码；提取重要性高于预设阈值的特征。

4.如权利要求1所述的一种弹性适应噪音的销售预测方法，其特征在于，所述步骤S30，包括：

将选择的各个特征根据重要性划分为k个区间；

对分属于不同区间的特征，与训练集中的样本点进行比较，分别计算Pearson相关系数，相同区间中的相关系数求平均数，所得结果作为对应区间的分段误差；

将所述分段误差与机器学习模型原有的误差函数相结合，进行弹性误差计算。

5.如权利要求4所述的一种弹性适应噪音的销售预测方法，其特征在于，所述步骤S40，包括：

将k个区间的特征输入机器学习模型，利用不同区间的特征对应的弹性误差替换所述机器学习模型的原目标函数中的误差函数项，分别进行训练；

将训练所得的k个模型集成为训练后的机器学习模型。

6.一种弹性适应噪音的销售预测系统，其特征在于，包括：

预处理模块，用于获取待预测产品的历史销售数据，并进行预处理；

特征提取选择模块，用于对经过预处理后的历史销售数据，进行特征提取与特征选择；

弹性误差计算模块，用于将选择的特征进行弹性误差计算；所述弹性误差计算包括：机器学习模型的误差函数及分段误差计算；

训练模块，用于将所述弹性误差计算引入所述机器学习模型，利用所述预处理后的历史销售数据对所述机器学习模型进行训练；

预测模块，用于将预测产品未来销售的相关数据，输入训练后的机器学习模型，生成预测结果。

7.如权利要求6所述的一种弹性适应噪音的销售预测系统，其特征在于，所述预处理模块，具体用于对待预测产品的历史销售数据，进行数据清洗、缺失值插补和异常值处理。

8.如权利要求6所述的一种弹性适应噪音的销售预测系统，其特征在于，所述特征提取选择模块，具体用于将经过预处理后的历史销售数据中的定量数据转换为模型所需的表示方式；将定性数据采用预设规则进行编码；提取重要性高于预设阈值的特征。

9.如权利要求6所述的一种弹性适应噪音的销售预测系统，其特征在于，所述弹性误差计算模块，包括：

划分单元，用于将选择的各个特征根据重要性划分为k个区间；

分段误差计算单元，用于对分属于不同区间的特征，与训练集中的样本点进行比较，分别计算Pearson相关系数，相同区间中的相关系数求平均数，所得结果作为对应区间的分段误差；

弹性误差计算单元，用于将所述分段误差与机器学习模型原有的误差函数相结合，进行弹性误差计算。

10.如权利要求9所述的一种弹性适应噪音的销售预测系统，其特征在于，所述训练模块，具体用于将k个区间的特征输入机器学习模型，利用不同区间的特征对应的弹性误差替换所述机器学习模型的原目标函数中的误差函数项，分别进行训练；将训练所得的k个模型集成为训练后的机器学习模型。