申请/专利权人：广东海术云电子科技有限公司

申请日：2022-11-07

公开（公告）日：2023-03-14

公开（公告）号：CN115796971A

主分类号：G06Q30/0283

分类号：G06Q30/0283;G06F18/27

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.04.25#实质审查的生效;2023.03.14#公开

摘要：本方案公开了一种用于电子元器件价格预测的CART回归树模型构建方法,该方法采用CART回归树算法，实现了电子元器件的价格预测的方案，针对电子元器件领域，各种电子元器件的价格特征及共性，构建了影响因子聚合模型，能够快速地对电子元器件的价格进行预测。并且对所采用的CART回归树算法进行改进，在选择叶节点的类别标号时，选取关键度最大的类别标号，而不是通用的选择多数类的类别标号，符合电子元器件领域各种元器件影响因子影响价格程度不同的特点，提高本方案用于电子元器件价格预测的CART回归树模型的模型性能，进而提高模型的预测精度。

主权项：1.一种用于电子元器件价格预测的CART回归树模型构建方法，其特征在于，包括以下步骤：S1.准备训练集：输入变量和对应的输出变量，输入变量包括多个影响因子，输出变量为元器件价格；S2.将影响因子排序得到各个影响因子的取值范围并确定每个影响因子下的划分点；S3.基于步骤S2确定的划分点组合得到N个划分变量X,X＝qi，wj，ek，...，其中qi表示因子q下的第i个划分点，wj表示因子w下的第j个划分点，ek表示因子e下的第k个划分点，i，j，k的最大取值是划分点的个数；S4.分别计算每个划分变量的ms，s＝[1,2,3...N]，s表示第s个划分变量，划分变量s能够将样本空间划分为两个子空间R1和R2，c1表示在子空间R1下元器件价格的平均值，c2表示在子空间R2下电子元器件价格的平均值，ms为c1与c2之差；S5.将最小ms值对应的s选为当前层的最优划分变量生成两个叶节点；S6.选择关键度最大的类别标号为叶节点的类别标号进行优化调参；关键度的值为类属分散度和类属决策度之积；类属分散度，表示第j个叶节点中的类别i'的样本数占其所在子树总的样本集中类别i'的样本数的比重；类属决策度，表示第j个叶节点中的类别i'的样本数占叶节点j的总的样本数的比重；S7.两个叶节点对应两个子空间，再继续针对两个子空间寻找下一层的最优划分变量，依此类推将样本空间不断划分得到最终训练好的CART回归树模型。

全文数据：

权利要求：

百度查询： 广东海术云电子科技有限公司 用于电子元器件价格预测的CART回归树模型构建及预测方法

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