申请/专利权人：上海阑途信息技术有限公司

申请日：2021-01-06

公开（公告）日：2021-04-16

公开（公告）号：CN112668803A

主分类号：G06Q10/04(20120101)

分类号：G06Q10/04(20120101);G06Q30/02(20120101);G06Q10/06(20120101)

优先权：

专利状态码：有效-授权

法律状态：2023.02.10#授权;2021.05.04#实质审查的生效;2021.04.16#公开

摘要：本发明公开了一种基于LightGBM模型的汽车服务连锁企业开店选址方法。该方法采用H3编码对每个门店样本进行样本扩充，对扩充后的每个样本分别以所述区域网格、样本门店、城市作为粒度进行多层次多粒度的特征构造，并根据构造的特征收集对应的数值型特征数据；由扩充后的每个样本在最近一定时间段内产生的收益以及其对应的特征数据构成数据集对lightGBM模型进行训练得出开店选址收益预测模型。利用将开店候选点对应的特征数据输入到所述开店选址收益预测模型进行收益预测。本发明的方案通过H3编码进行样本扩充以克服机器学习样本不足导致的过拟合问题，使训练后的模型泛化能力强。

主权项：1.一种基于LightGBM模型的汽车服务连锁企业开店选址方法，其特征在于，该方法包括：a、将任一家样本门店的位置信息、和该家样本门店下单用户在注册时填写的居住办公地址进行六边形网格边长为固定值的H3编码，得到该家样本门店所处的地理网格和其下单用户居住办公地址所属的地理网格；将居住办公地址位于围绕该家样本门店所处地理网格四周形成N层环状分布、且包括该样本门店所处的地理网格在内的多个区域网格、最近一定时间段内的下单用户产生的收益，合并到相关用户各自居住办公地址所处的一个所述区域网格中；其中、所述区域网格与该样本门店的地理网格形状、大小一致，每个所述区域网络的收益作为一个收益样本；b、对于每个收益样本分别以所述区域网格、样本门店、城市作为粒度进行多层次多粒度的特征构造，并根据构造好的特征收集对应的特征数据；c.将所有的所述收益样本以及其对应的特征数据构成数据集，使用所述数据集对lightGBM模型进行训练、基于该模型输出的不同特征重要程度进行特征筛选，采用筛选后的特征作为预测特征集合；d.从每个所述收益样本以及其对应的特征数据构成数据集抽取所述预测特征集合中每个特征对应的特征数据值构成开店选址收益预测模型训练数据集，使用所述开店选址收益预测模型训练数据集对lightGBM模型进行训练得到开店选址收益预测模型；e.对所述开店候选点进行与步骤a中相同的H3编码，收集开店候选点所处地理网格四周形成N层环状分布、且包含该家样本门店所处地理网格的多个边长为所述固定值的六边形区域网格内、所述最近一定时间段内对应于所述预测特征集合中每个特征对应的特征数据构成开店候选点特征数据集，将所述开店候选点特征数据集输入到所述开店选址收益预测模型预测开店候选点产生的收益。

全文数据：

权利要求：

百度查询： 上海阑途信息技术有限公司 一种基于LightGBM模型的汽车服务连锁企业开店选址方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD