- 1、本文档共6页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
37 5 Vol. 37 No. 5
第 卷第 期 计算机应用研究
录用定稿 Application Research of Computers Accepted Paper
基于多因素稀疏回归预测模型的商家客流量预测 *
1 1, 2 1, 2 1† 1
郑增威 ,杜俊杰 ,周燕真 ,孙 霖 ,霍梅梅
(1. , 310015; 2. ,
浙江大学城市学院 智能植物工厂浙江省工程实验室 杭州 浙江大学 计算机科学与技术学院 杭州
310012)
摘 要:针对智能商业平台中的大数据预测问题,提出一种多因素稀疏回归预测模型。以离散余弦变换为基础,构
建包含多个外部因素 (节假日、天气、温度)的字典集,通过 LASSO 方法定量求解稀疏编码模型中各外部因素的
影响。实验对 2 000 个商家的客流量进行预测。实验结果表明,外部因素不同程度地影响客流量,在预测模型中叠
RNN ARIMA
加外部因素后可以有效提高预测的准确性。同时,通过与其他方法的对比,多因素稀疏回归预测模型比 、
等模型的预测效果更好。
关键词:智能商业平台;客流量预测;稀疏回归;多因素分析;字典学习
中图分类号:TP391 doi: 10.19734/j.issn.1001-3695.2018.10.0816
Retail consumer traffic forecasting based on multi-factor sparse regression prediction model
1 1, 2 1, 2 1† 1
Zheng Zengwei , Du Junjie , Zhou Yanzhen , Sun Lin , Huo Meimei
(1. Intelligent Plant Factory of Zhejiang Province Engineering Laboratory, City College, Zhejiang University, Hangzhou
310015, China; 2. College of Computer Science & Technology, Zhejiang University, Hangzhou 310012, China)
Abstract: This paper proposed a multi-factor sparse regression prediction model aiming to solve the problem of big data
prediction in business intelligent platform. Constructed a dictionary containing external factors (holidays, weather, and
te
文档评论(0)