[发明专利]基于随机森林算法的电商平台客户价值评价方法和系统

权利要求书

1.一种基于随机森林算法的电商平台客户价值评价方法，其特征在于，包括以下步骤：

步骤1：从电商平台数据库中选取影响客户价值评价的评价指标；

步骤2：对步骤1中选取的评价指标数据进行清洗整理；

步骤3：从步骤2中清洗整理后的评价指标数据中抽取客户价值评价样本，部分作为训练样本，剩余部分作为测试样本；

步骤4：以步骤2中清洗整理后的评价指标作为特征，根据步骤3中的训练样本训练随机森林模型；

步骤5：将步骤3中的测试样本输入步骤4中的随机森林模型，当输出值的准确率大于设定阈值时，该随机森林模型即为最终的电商平台客户价值评价模型；

步骤6：利用步骤5得到的电商平台客户价值评价模型评价电商平台客户价值。

2.根据权利要求1所述的一种基于随机森林算法的电商平台客户价值评价方法，其特征在于，步骤1中，所述评价指标包括单月下单频次、单月平均消费金额、单月商品复购次数和最近一次购买时间。

3.根据权利要求2所述的一种基于随机森林算法的电商平台客户价值评价方法，其特征在于，步骤2中，评价指标数据清洗具体为：满足随机森林算法需求，但存在缺失的评价指标数据，通过补齐算法补齐缺失值；删除存在缺失且无法满足随机森林算法需求的评价指标数据；

评价指标数据整理具体为：计算每个评价指标对应数据的标准差，并且：

小于单月下单频次标准差的数据记为低，反之为高；

小于单月平均交易金额标准差的数据记为低，反之为高；

小于单月商品复购次数标准差的数据记为低，反之为高；

小于最近一次购买时间标准差的数据记为近，反之为远。

4.根据权利要求3所述的一种基于随机森林算法的电商平台客户价值评价方法，其特征在于，电商平台客户价值等级包括：当客户单月下单频次高、单月平均消费金额高、单月商品复购次数高且最近一次购买时间近，则为三级；当客户单月下单频次低、单月平均交易金额低、单月商品复购次数低且最近一次购买时间远，则为一级；其它情况则为二级。

5.根据权利要求1所述的一种基于随机森林算法的电商平台客户价值评价方法，其特征在于，步骤4中，随机选取数据样本，随机选取特征，建立多个决策树形成随机森林模型。

6.根据权利要求1所述的一种基于随机森林算法的电商平台客户价值评价方法，其特征在于，步骤5中，当输出值的准确率小于设定阈值时，调整评价指标和训练样本数量，调整随机森林模型，直到输出值的准确率大于设定阈值。

7.根据权利要求6所述的一种基于随机森林算法的电商平台客户价值评价方法，其特征在于，通过基尼指数计算每个评价指标对分类树每个节点上观测值的异质性的影响，从而比较评价指标的重要性，根据重要性调整评价指标。

8.一种基于随机森林算法的电商平台客户价值评价系统，其特征在于，包括：

选取模块，用于从电商平台数据库中选取影响客户价值评价的评价指标；

清洗整理模块，用于对选取模块选取的评价指标数据进行清洗整理；

客户价值评价样本抽取模块，用于从清洗整理模块清洗整理后的评价指标数据中抽取客户价值评价样本，部分作为训练样本，剩余部分作为测试样本；

随机森林模型训练模块，用于以清洗整理模块清洗整理后的评价指标作为特征，根据客户价值评价样本抽取模块定义的训练样本训练随机森林模型；

判断模块，用于将客户价值评价样本抽取模块定义的测试样本输入随机森林模型训练模块训练得到的随机森林模型，当输出值的准确率大于设定阈值时，该随机森林模型即为最终的电商平台客户价值评价模型；

评价模块，用于利用判断模块判断得到的电商平台客户价值评价模型评价电商平台客户价值。