[发明专利]基于自动拟合均值函数的泊松过程用户到店行为预测方法

权利要求书

1.一种基于自动拟合均值函数的泊松过程用户到店行为预测方法，其特征在于，包括以下步骤：

(1)、将用户一段时间到店购买的情况看作一个泊松过程，对其进行非齐次泊松过程建模：

P{N(t+s)-N(t)=k}=[m(t+s)-m(t)]kk!e-[m(t+s)-m(t)]k=0,1,2...,]]>

其中，P{N(t+s)-N(t)＝k}表示用户在t到t+s天内到店购买k次的概率，m(t)和m(t+s)分别表示该用户在t和t+s处均值函数的值，e为自然对数，k！表示k的阶乘；

(2)、利用一次函数、幂函数和指数函数分别对过去n天用户到店情况进行拟合，得到对应的拟合函数即拟合的一次函数、幂函数和指数函数；

(3)、计算拟合的一次函数、幂函数和指数函数的误差平方和(SSE)、复相关系数(R-Square)和均方根误差(RMSE)：

RMSE=SSE/n]]>

其中，表示在第i天时用户到店并购买的拟合累积次数，y_i表示在第i天时用户到店并购买的实际累积次数，表示y_i的平均值：

y‾=1nΣi=1nyi;]]>

(4)、采用如下策略选取均值函数：

4.1)、选取复相关系数R-Square中的最大值，并与第二大值进行比较，如果差值超过设定的阈值T₁，则选取复相关系数R-Square最大值所对应的拟合函数为均值函数，否则，转到步骤4.2)；

4.2)、选取误差平方和SSE中的最小值，并与第二小值进行比较，如果差值超过设定的阈值T₂，则选取误差平方和SSE最小值所对应的拟合函数为均值函数，否则，转到步骤4.3)；

4.3)、选取均方根误差RMSE最小值所对应的拟合函数为均值函数；

(5)、将均值函数代入步骤(1)构建的模型中，分别计算k所对应的概率，选取概率值大于设定阈值T₃的用户到店并购买的次数，并作为该用户未来s天的时间段内到店并购买的预测。

2.根据权利要求1所述的用户到店行为预测方法，其特征在于，阈值T₁设定为0.01，阈值T₂设定为0.5，阈值T₃＝0.1。