[发明专利]销量数据预测方法、装置以及相关设备

说明书

本发明实施例公开了销量数据预测方法、装置以及相关设备，该方法包括：电子设备获取样本数据；样本数据包括门店销量数据和与门店对应的特征数据；对特征数据和门店销量数据进行特征提取得到特征样本；将门店销量数据作为第一训练样本的因变量，与特征样本作为第一训练样本的自变量构成第一训练样本；基于第一训练样本对聚类模型进行训练得到N个聚类簇样本；基于N个聚类簇样本对回归模型进行训练得到N个回归模型；训练后的聚类模型和回归模型用于对待预测门店进行销售数据预测。采用本发明实施例，可以确定预测门店的聚类类别，选择与该聚类类别对应的回归模型来进行预测，解决了因对模型训练不够而预测不准确的问题，提高了业务预测的准确性。

技术领域

本申请涉及数据处理技术领域，尤其涉及一直销量数据预测方法、装置以及相关设备。

背景技术

对于门店的智慧零售来说，需要对未来一段时间的销量进行预测，这样有助于门店准确的制定业务目标，从而把握门店对未来销量的计划。

现有技术中公开的销量数据预测方法，一般是通过将每个门店每个月的销量作为一个样本，设计门店相关特征，天气和日期相关特征，基于移动位置服务相关特征，然后对样本按照比例随机抽取训练样本和评估样本。对训练样本使用回归模型进行训练，使用评估样本对训练好的模型进行评估，当模型的RMSE等指标达到一定标准后，模型训练完成，对于某个门店未来某个月的销量，按照同样方式抽取特征，使用训练好的模型预测其销量。

然而当已有门店的历史销量分布很不均衡的时候，比如销量很高或者很低的样本，在模型训练的时候，由于其样本数量较少，模型对于这部分的样本训练不够充分，导致在预测销量这部分的样本时，对于销量很低的样本，模型预测的销量会偏高较多，对于销量较高的样本，模型预测会偏低较多，会导致预测准确率低。

发明内容

本发明实施例提供一种销量数据预测方法、一种销量数据预测装置、一种销量数据预测设备以及一种计算机可读存储介质，可以通过聚类模型确认预测目标具体属于哪个聚类簇，从而可以通过与聚类簇对应的回归模型来预测结果，解决了现有技术中因为数据分布不均衡，在模型训练过程中对样本训练不够充分的问题，提高了销量数据预测的准确率。

第一方面，本发明实施例公开了一种销量数据预测方法，包括：

电子设备获取样本数据；所述样本数据包括门店销量数据和与门店对应的特征数据；所述特征数据包括基于移动位置服务特征数据、兴趣点特征数据、天气特征数据、日期特征数据中的至少一项；所述电子设备对所述与门店对应的特征数据和所述门店销量数据进行特征提取得到与门店对应的特征样本；所述电子设备将所述门店销量数据作为第一训练样本的因变量，所述与门店对应的特征样本作为所述第一训练样本的自变量构成所述第一训练样本；所述电子设备基于所述第一训练样本对聚类模型进行训练，得到N个聚类簇样本；所述电子设备基于所述N个聚类簇样本对回归模型进行训练，得到与所述N个聚类簇样本对应的N个回归模型；其中，训练后的所述聚类模型和所述回归模型用于对待预测门店的销售数据进行预测。

本发明实施例通过将门店销量数据作为第一训练样本的因变量，与门店对应的特征样本作为第一训练样本的自变量构成第一训练样本；并基于第一训练样本对聚类模型进行训练，得到N个聚类簇样本；再基于N个聚类簇样本对回归模型进行训练，得到与N个聚类簇样本对应的N个回归模型。通过这种方式，通过得到的样本对聚类模型进行训练，可以得到N个聚类簇样本，其中每个聚类簇样本都具有相似的属性，可以避免在基础数据分布不均衡的时候，比如某些门店销量很高或者很低的基础数据，对回归模型的训练不充分而导致预测偏差较大的情况；将门店销量数据和与门店对应的特征数据共同总成样本，可以有效的屏蔽掉了单一的数据作为样本所造成的分类错误影响，提高预测的准确率。

基于第一方面，在其中一种可选的实现方式中，所述电子设备获取样本数据包括：所述电子设备接收样本数据的待预测数据；所述电子设备对所述样本数据的待预测数据进行预处理，得到所述样本数据。