论文部分内容阅读
【摘要】 本文通过K-fold交叉验证方法，利用粒子群算法对支持向量机的惩罚参数c和gamma值进行寻优，建立起2011年1月-2012年5月企业销售额预测模型。利用粒子群算法优化惩罚参数c为2.3539，利用radial basis function核函数的SVM对预测集的预测相关系数为92%以上，结果令人满意。
【关键词】 支持向量机 粒子群算法 企业销售额
引言
由于企业销售额策略涉及的心理过程及情绪状态比较复杂，因此目前理论界缺乏对企业销售额策略行为的清晰界定，同时在研究方法上也存在着一定的局限性。企业销售额策略研究在消费者行为研究领域中具有深远的影啊，国外有相当多的学者对其进行了研究。最早对企业销售额策略行为进行研究的是杜邦消费者购买习惯及购买点广告研究所，该机构的研究人员将企业销售额策略行为定义为非计划性购买行为。
支持向量机（SVM：Support Vector Machine）是近年来备受关注的机器学习，是发展智能诊断系统的一个重要方法。泛化能力强的特点使其在各个领域中的应用越来越广泛[1，2]。SVM在高维空间求样本数据线性不可分情况的最优分类面[3，4]，其计算和存储数据不受输入维数的限制[5]，符合影响企业促销策略因素多的特点。
1. 影响企业销售额策略因素数据处理
影响企业销售额策略因素来源于某商场统计公布的数据，将购买人群中的性别、年龄、可支配月收入和学历归为影响企业销售额策略因素，各相关数据均来源于时间跨度为2011年1月-2011年10月期间所公布数据。企业销售额的数值单位、性别、年龄、可支配月收入和学历的各自单位均不相同。单位不同，会引起数据数量级的差异，从而可能引起预测精度下降。归一化处理可解决此问题。在本研究中，训练集与预测集数据进行[0，1]归一化，归一化后各个数据如图1所示。
【关键词】 支持向量机 粒子群算法 企业销售额
引言
由于企业销售额策略涉及的心理过程及情绪状态比较复杂，因此目前理论界缺乏对企业销售额策略行为的清晰界定，同时在研究方法上也存在着一定的局限性。企业销售额策略研究在消费者行为研究领域中具有深远的影啊，国外有相当多的学者对其进行了研究。最早对企业销售额策略行为进行研究的是杜邦消费者购买习惯及购买点广告研究所，该机构的研究人员将企业销售额策略行为定义为非计划性购买行为。
支持向量机（SVM：Support Vector Machine）是近年来备受关注的机器学习，是发展智能诊断系统的一个重要方法。泛化能力强的特点使其在各个领域中的应用越来越广泛[1，2]。SVM在高维空间求样本数据线性不可分情况的最优分类面[3，4]，其计算和存储数据不受输入维数的限制[5]，符合影响企业促销策略因素多的特点。
1. 影响企业销售额策略因素数据处理
影响企业销售额策略因素来源于某商场统计公布的数据，将购买人群中的性别、年龄、可支配月收入和学历归为影响企业销售额策略因素，各相关数据均来源于时间跨度为2011年1月-2011年10月期间所公布数据。企业销售额的数值单位、性别、年龄、可支配月收入和学历的各自单位均不相同。单位不同，会引起数据数量级的差异，从而可能引起预测精度下降。归一化处理可解决此问题。在本研究中，训练集与预测集数据进行[0，1]归一化，归一化后各个数据如图1所示。