[发明专利]基于梯度提升树改进的供应商量化评分预测算法在审
| 申请号： | 201910889785.5 | 申请日： | 2019-09-20 |
| 公开（公告）号： | CN110659937A | 公开（公告）日： | 2020-01-07 |
| 发明（设计）人： | 王欢;鲁鹏云;黄贵臣;孙为平;肖成勇;张德政 | 申请（专利权）人： | 鞍钢集团矿业有限公司 |
| 主分类号： | G06Q30/02 | 分类号： | G06Q30/02 |
| 代理公司： | 21223 鞍山贝尔专利代理有限公司 | 代理人： | 颜伟 |
| 地址： | 114001 辽*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于数据挖掘中的预测方法技术领域，尤其是涉及一种基于梯度提升树改进的供应商量化评分预测算法，其特征在于，包括以下步骤：S1：数据模块，用于获取供应商量化评分所需要的数据，并做清洗、异常值处理和缺失值处理；S2：特征工程模块进行特征构造和特征智能化筛选；S3：训练模块包括弱学习器、正则化函数和梯度提升训练；S4：预测模块使用训练好的模型进行测试；S5：评估模块包括业务评估模块和算法评估模块；S6：线上应用模块使用训练好的模型对供应商进行量化评分。本发明利用梯度提升树智能化筛选特征，以非线性的方式给特征计算权重，既省去了采销员用业务经验判断特征重要性的成本，算法又考虑了特征的交互作用，效果显著。 | ||
| 搜索关键词： | 供应商 智能化 量化 筛选 特征重要性 交互作用 评估模块 数据模块 数据挖掘 算法评估 特征构造 特征计算 训练模块 业务经验 业务评估 应用模块 预测模块 预测算法 学习器 正则化 权重 算法 清洗 测试 预测 改进 | ||
【主权项】：
1.一种基于梯度提升树改进的供应商量化评分预测算法，其特征在于，包括以下步骤：/nS1：数据模块，用于获取供应商量化评分所需要的数据，并做一些清洗、异常值处理和缺失值处理；/nS2：特征工程模块进行特征构造和特征智能化筛选；/nS3：训练模块包括弱学习器、正则化函数和梯度提升训练；/nS4：预测模块使用训练好的模型进行测试；/nS5：评估模块包括业务评估模块和算法评估模块；/nS6：线上应用模块使用训练好的模型对供应商进行量化评分。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于鞍钢集团矿业有限公司，未经鞍钢集团矿业有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910889785.5/，转载请声明来源钻瓜专利网。
