時(shí)間序列數(shù)據(jù)挖掘預(yù)測(cè)

    然后圍繞選取的初始關(guān)鍵詞綜合使用了長(zhǎng)尾關(guān)鍵詞拓展法、站長(zhǎng)工具以及網(wǎng)頁(yè)相關(guān)搜索推薦等方法拓展出數(shù)量更多的關(guān)鍵詞，剔除重復(fù)或者有歧義的關(guān)鍵詞后建立了一個(gè)包含276個(gè)關(guān)鍵詞的初始詞庫(kù)。關(guān)鍵詞搜索指數(shù)相關(guān)性分析首先利用網(wǎng)絡(luò)爬蟲(chóng)工具獲取初始詞庫(kù)中各關(guān)鍵詞相同時(shí)間段內(nèi)月度搜索數(shù)據(jù)，針對(duì)關(guān)鍵詞搜索數(shù)據(jù)進(jìn)行預(yù)處理（剔除缺失數(shù)據(jù)超過(guò)6個(gè)月或者搜索指數(shù)過(guò)低的關(guān)鍵詞數(shù)據(jù)），**后得到118個(gè)符合要求的關(guān)鍵詞搜索數(shù)據(jù)。但是并不是每個(gè)關(guān)鍵詞搜索數(shù)據(jù)都與實(shí)際銷量存在相關(guān)關(guān)系。所以本文首先應(yīng)用傳統(tǒng)相關(guān)性分析方法通過(guò)判定各個(gè)關(guān)鍵詞搜索數(shù)據(jù)與大眾品牌汽車(chē)銷量的Spearman秩相關(guān)系數(shù)，篩選出相關(guān)系數(shù)大于（***相關(guān)），共計(jì)37個(gè)。然后采用時(shí)差相關(guān)分析確定上一步篩選出的關(guān)鍵詞搜索指數(shù)與大眾品牌汽車(chē)銷量的時(shí)滯階數(shù)均處于滯后1~3階的范圍（網(wǎng)絡(luò)搜索行為是一種即時(shí)性行為，而購(gòu)買(mǎi)汽車(chē)作為重大經(jīng)濟(jì)決策，消費(fèi)者一般都會(huì)在做出購(gòu)買(mǎi)決策前幾個(gè)月就開(kāi)始搜索相關(guān)的信息）?，F(xiàn)有研究針對(duì)相關(guān)性分析結(jié)果一般有兩種處理方法:***種是直接選取相關(guān)性**高的作為***的解釋變量；第二種是利用指數(shù)合成方法將合成后的關(guān)鍵指數(shù)作為解釋變量。兩種方法難免都會(huì)造成有效信息的損失。挖掘不同因素之間的關(guān)聯(lián)性和耦合性。時(shí)間序列數(shù)據(jù)挖掘預(yù)測(cè)

    0引言近年來(lái)，我國(guó)汽車(chē)產(chǎn)銷呈現(xiàn)較快增長(zhǎng)，產(chǎn)銷總量屢創(chuàng)歷史新高，據(jù)中國(guó)汽車(chē)工業(yè)協(xié)會(huì)統(tǒng)計(jì)數(shù)據(jù)，2016年中國(guó)汽車(chē)產(chǎn)銷均超2800萬(wàn)輛，連續(xù)八年蟬聯(lián)全球***［1］。據(jù)車(chē)主之家網(wǎng)站提供的數(shù)據(jù)顯示，2009~2016年我國(guó)銷量排名**的品牌汽車(chē)占比高達(dá)，對(duì)于我國(guó)汽車(chē)消費(fèi)者而言，品牌效應(yīng)十分***。但是汽車(chē)生產(chǎn)廠商追求規(guī)模效應(yīng)時(shí)存在一定的盲目性，導(dǎo)致產(chǎn)能過(guò)剩的問(wèn)題日益凸顯。在嚴(yán)峻的形勢(shì)下，汽車(chē)生產(chǎn)企業(yè)應(yīng)認(rèn)真分析市場(chǎng)未來(lái)的需求量和可能存在的變化趨勢(shì)，合理規(guī)劃生產(chǎn)計(jì)劃，采用以銷定產(chǎn)的生產(chǎn)策略。因此如何準(zhǔn)確地預(yù)測(cè)銷量，對(duì)于汽車(chē)生產(chǎn)企業(yè)研究市場(chǎng)行情及時(shí)調(diào)整生產(chǎn)經(jīng)營(yíng)策略有著極其重要的意義。隨著人工智能的出現(xiàn)以及基于網(wǎng)絡(luò)數(shù)據(jù)的預(yù)測(cè)研究的***開(kāi)展，將網(wǎng)絡(luò)搜索數(shù)據(jù)應(yīng)用于汽車(chē)銷量的預(yù)測(cè)已成為研究的熱點(diǎn)。傳統(tǒng)的汽車(chē)銷量預(yù)測(cè)研究采用的主要方法有灰色系統(tǒng)理論［2］、時(shí)間序列模型［3］以及人工神經(jīng)網(wǎng)絡(luò)［4］等，但這些研究采用的數(shù)據(jù)時(shí)間粒度比較大，研究對(duì)象大都集中于我國(guó)汽車(chē)年度總銷量的預(yù)測(cè)，研究成果難以應(yīng)用推廣。文獻(xiàn)［5］在建立網(wǎng)絡(luò)關(guān)鍵詞搜索數(shù)據(jù)與汽車(chē)銷量理論框架的基礎(chǔ)上，使用自動(dòng)推薦技術(shù)選取關(guān)鍵詞并進(jìn)行關(guān)鍵詞合成。工業(yè)數(shù)據(jù)挖掘費(fèi)用是多少使用潛客識(shí)別引擎，幫您發(fā)現(xiàn)哪些人具有更高的營(yíng)銷成功率。

    建立這樣的數(shù)據(jù)庫(kù)需要專業(yè)人士、編輯等通過(guò)手動(dòng)完成，有一定的工作量，但對(duì)于冷啟動(dòng)階段的產(chǎn)品來(lái)說(shuō)，是一個(gè)相對(duì)有效的方法。汽車(chē)之家網(wǎng)站在用戶查看一輛車(chē)的同時(shí)推薦與其相似的車(chē)另外一種情況是純文本的內(nèi)容沒(méi)有明確的參數(shù)特征，在這種情況下，需要通過(guò)文本分析技術(shù)來(lái)自動(dòng)提取文本的關(guān)鍵詞(通過(guò)自然語(yǔ)言技術(shù)的進(jìn)行分詞），通過(guò)數(shù)據(jù)挖掘來(lái)找到文本與文本之間的聯(lián)系和相似性。熱度算法左：微博右：今日頭條另外，由于各種社會(huì)熱點(diǎn)話題普遍是人們關(guān)注較高的，以及由于在產(chǎn)品發(fā)展初期，沒(méi)有收集到大量用戶數(shù)據(jù)的情況下，“熱度算法”也是一種慣常使用的方式?！盁岫人惴ā凹磳狳c(diǎn)的內(nèi)容優(yōu)先推薦給用戶。這里值得注意的是，熱點(diǎn)不會(huì)永遠(yuǎn)是熱點(diǎn)，而是具有時(shí)效性的。所以發(fā)布初期用熱度算法實(shí)現(xiàn)冷啟動(dòng)，積累了一定量級(jí)以后，才能逐漸開(kāi)展個(gè)性化推薦算法。而熱度算法在使用時(shí)也需要考慮到如何避免馬太效應(yīng)：毋庸置疑的是，在滾雪球的效應(yīng)之下，互聯(lián)網(wǎng)民的消費(fèi)&觀點(diǎn)&行為會(huì)趨同，就像前一陣《戰(zhàn)狼2》的熱映一樣，**的票房成績(jī)完全取決于鋪天蓋地式的宣傳，而群體將會(huì)成為烏合之眾。產(chǎn)品的冷啟動(dòng)每個(gè)有推薦功能的產(chǎn)品都會(huì)遇到冷啟動(dòng)（coldstart）的問(wèn)題。

    本文提出的基于網(wǎng)絡(luò)搜索數(shù)據(jù)的預(yù)測(cè)方法可以利用前期網(wǎng)絡(luò)搜索數(shù)據(jù)預(yù)測(cè)后續(xù)汽車(chē)銷量，而相應(yīng)品牌的汽車(chē)生產(chǎn)廠商可以根據(jù)預(yù)測(cè)結(jié)果及時(shí)調(diào)整企業(yè)的生產(chǎn)和營(yíng)銷策略。模型的可靠性檢驗(yàn)及推廣應(yīng)用是接下來(lái)的研究方向。參考文獻(xiàn)［1］中國(guó)汽車(chē)工業(yè)協(xié)會(huì).中國(guó)汽車(chē)工業(yè)發(fā)展年度報(bào)告（2016）［Ｍ］.北京：社會(huì)科學(xué)文獻(xiàn)出版社,2016.［2］黃琦.基于灰色理論的汽車(chē)銷售量預(yù)測(cè)研究［J］.機(jī)械制造,2013,51(4):78-80.［3］胡彥君.ARIMA模型在汽車(chē)銷量預(yù)測(cè)中的應(yīng)用及SAS實(shí)現(xiàn)［J］.河北企業(yè),2012(4):11-12.［4］王旭天.基于BP神經(jīng)網(wǎng)絡(luò)的我國(guó)汽車(chē)銷量預(yù)測(cè)分析［D］.上海：東華大學(xué),2016.［5］袁慶玉,彭賡,劉穎,等.基于網(wǎng)絡(luò)關(guān)鍵詞搜索數(shù)據(jù)的汽車(chē)銷量預(yù)測(cè)研究［J］.管理學(xué)家(學(xué)術(shù)版),2011(1):12-24.［6］孔令頂.基于互聯(lián)網(wǎng)搜索量的大眾途觀汽車(chē)銷量預(yù)測(cè)研究［J］.時(shí)代金融,2015(30):222,226.［7］王守中,崔東佳,彭賡.基于Web搜索數(shù)據(jù)的寶馬汽車(chē)銷量預(yù)測(cè)研究［J］.經(jīng)濟(jì)師,2013(12):22-24，26.［8］FANTAZZINID,［J］ernationalJournalofProductionEconomics,2015,170:97-135.［9］李憶,文瑞,楊立成.網(wǎng)絡(luò)搜索指數(shù)與汽車(chē)銷量關(guān)系研究——基于文本挖掘的關(guān)鍵詞獲取［J］.現(xiàn)代情報(bào),2016,36(8):131-136?；谧詣?dòng)建模技術(shù)建立回歸模型，并根據(jù)預(yù)設(shè)的因素預(yù)測(cè)未知的取值。

數(shù)據(jù)挖掘是一個(gè)跨學(xué)科的產(chǎn)物，涉及統(tǒng)計(jì)學(xué)、數(shù)據(jù)庫(kù)、機(jī)器學(xué)習(xí)、人工智能和模式識(shí)別。數(shù)據(jù)挖掘方法太復(fù)雜，無(wú)法按照來(lái)源分類，不容易理解和記憶。根據(jù)其目的，數(shù)據(jù)挖掘方法分為預(yù)測(cè)和描述類：預(yù)測(cè)和監(jiān)督學(xué)習(xí)。預(yù)測(cè)分析是指用一個(gè)或多個(gè)自變量來(lái)預(yù)測(cè)因變量的值，從歷史數(shù)據(jù)中學(xué)習(xí)作為訓(xùn)練集，建立模型，然后將這個(gè)模型應(yīng)用于當(dāng)前數(shù)據(jù)來(lái)推斷結(jié)果。以客戶違約作為預(yù)測(cè)分析的研究場(chǎng)景，客戶是否會(huì)違約是因變量，我們可以根據(jù)客戶的性別、年齡、收入、工作經(jīng)濟(jì)狀況、歷史信用狀況等進(jìn)行預(yù)測(cè)。豐富的行業(yè)經(jīng)驗(yàn)，更理解需求，支持個(gè)性化定制。個(gè)性化數(shù)據(jù)挖掘工具

一目了然：圖文并茂的報(bào)告，可直接打印并下載。時(shí)間序列數(shù)據(jù)挖掘預(yù)測(cè)

在構(gòu)建手機(jī)銀行的功能集時(shí)，我們需要采用對(duì)象視角。例如，在手機(jī)銀行的營(yíng)銷響應(yīng)模型中，手機(jī)銀行的特征應(yīng)該反映對(duì)象的成本收益變量。比如年齡反映了使用手機(jī)銀行和去實(shí)體渠道的成本。當(dāng)建模者意識(shí)到標(biāo)簽是主觀的，他會(huì)對(duì)標(biāo)簽的選擇更加慎重；只有認(rèn)識(shí)到進(jìn)入模具的特征來(lái)自于對(duì)象，才能從對(duì)象的角度更高效地構(gòu)建特征集。首先我們來(lái)總結(jié)一下機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘的定義：數(shù)據(jù)挖掘是指通過(guò)算法從大量不完整的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中尋找隱藏信息的過(guò)程。換句話說(shuō)，數(shù)據(jù)挖掘試圖從海量數(shù)據(jù)中找到有用的信息。時(shí)間序列數(shù)據(jù)挖掘預(yù)測(cè)

上海暖榕智能科技有限責(zé)任公司辦公設(shè)施齊全，辦公環(huán)境優(yōu)越，為員工打造良好的辦公環(huán)境。致力于創(chuàng)造***的產(chǎn)品與服務(wù)，以誠(chéng)信、敬業(yè)、進(jìn)取為宗旨，以建暖榕,暖榕智能產(chǎn)品為目標(biāo)，努力打造成為同行業(yè)中具有影響力的企業(yè)。公司堅(jiān)持以客戶為中心、人工智能理論與算法軟件開(kāi)發(fā)，大數(shù)據(jù)服務(wù)，軟件即服務(wù)（SaaS），數(shù)據(jù)分析與挖掘整體解決方案，經(jīng)營(yíng)性互聯(lián)網(wǎng)文化信息服務(wù)，信息系統(tǒng)集成和物聯(lián)網(wǎng)技術(shù)服務(wù)，信息技術(shù)咨詢服務(wù)，社會(huì)經(jīng)濟(jì)咨詢【依法須經(jīng)批準(zhǔn)的項(xiàng)目，經(jīng)相關(guān)部門(mén)批準(zhǔn)后方可開(kāi)展經(jīng)營(yíng)活動(dòng)。】市場(chǎng)為導(dǎo)向，重信譽(yù)，保質(zhì)量，想客戶之所想，急用戶之所急，全力以赴滿足客戶的一切需要。誠(chéng)實(shí)、守信是對(duì)企業(yè)的經(jīng)營(yíng)要求，也是我們做人的基本準(zhǔn)則。公司致力于打造***的暖榕敏捷數(shù)據(jù)挖掘系統(tǒng)，數(shù)據(jù)分析SaaS工具，數(shù)據(jù)挖掘解決方案。