[发明专利]一种供应商流失预测方法

权利要求书

1.一种供应商流失预测方法，其特征在于，包括以下步骤：

(1)采集反映平台的供应商流失特征的相关数据，所述供应商流失特征包括：资质证书、公司类型、注册资金、注册信息完整度、关注标书个数、最近服务态度、公司资质、服务质量、产品质量、交货速度、诚信度、中标次数、投标次数、议价次数、登录次数、价格合理度和合同履约率；

(2)将采集到的不平衡数据集划分为不平衡训练数据集和不平衡测试数据集；

(3)采用MBCDK-means欠采样方法将不平衡训练数据集转化为平衡训练数据集；具体为：

(31)将不平衡训练数据集划分为M个多数类样本和N个少数类样本；

(32)初始化聚类个数K；

(33)对M个多数类样本利用K-means算法聚成K类，对N个少数类样本聚成一类构成少数类子集；

(34)对于第i个多数类的聚类中心，计算其到少数类的聚类中心的距离其中，X_i表示第i个簇的簇中心，X_N表示少数类的簇中心；

(35)计算多数类簇中心到少数类簇中心的平均距离

(36)从多数类的每个聚类中选择样本构成多数类子集，其中，样本数量为m_i表示第i个多数类簇的簇中的样本数；

(37)将多数类子集和少数类子集构成平衡训练数据集；

(4)采用遗传人工神经网络方法建立预测模型；

(5)采用所述预测模型对不平衡测试数据集进行预测，输出预测结果。

2.根据权利要求1所述的供应商流失预测方法，其特征在于，所述步骤(1)和步骤(2)之间还包括对采集的数据进行预处理的步骤，具体包括：对数据进行数据集成；对数据进行清洗，包括清除噪声和删除不一致的数据；对数据进行变换，包括构造新特征以及数据归一化。

3.根据权利要求1所述的供应商流失预测方法，其特征在于，所述步骤(4)具体包括以下子步骤：

(41)随机产生第一代n个个体；

(42)初始化n个神经网络；

(43)训练神经网络；

(44)判断训练后的神经网络是否达到设置目标，若没有达到转步骤(45)，否则转步骤(46)；

(45)进行遗传运算，包括染色体的复制、交叉和变异，得到新一代n个个体，并返回步骤(42)；

(46)选择最优的神经网络；

(47)根据最优的神经网络建立遗传神经网络预测模型。