基于机器学习算法的连锁餐饮店选址研究

发布时间：2022-01-11 01:03

　　选址是餐饮店经营的第一步,他决定了餐饮店所处的地理位置、商业氛围、房租成本以及客户组成,对餐饮店的成功与否起着至关重要的作用。如果选址失败,那么高额的房租成本和微薄的利润将会让餐饮店承受巨大的损失。传统的餐饮店选址主要是基于定性的经验判断,这样的方式具有较大的选址失败率。互联网和人工智能技术的发展,使得应用大数据进行选址成为可能。本文利用爬虫技术获取来自电商、地图服务网站的数据,应用机器学习算法对北京市精酿啤酒店的选址问题进行了研究。本文主要做了以下工作:首先,对零售选址相关理论进行研究,构建选址影响因素的层次结构模型,最后确定人口因素、竞争因素、交通因素以及其他因素为主要影响因素。其次,爬取大众点评、链家网、百度地图的数据,结合北京市精酿啤酒店的实际情况对原始数据集进行探索性分析,构建用于模型训练的特征,并使用过滤式和包裹式的特征选择方法对原始特征集进行选择。再其次,研究了机器学习算法中常见的分类器,找出适合进行分类的算法:梯度提升树、支持向量机、随机森林、K近邻等,并应用上述算法对数据集进行训练,结合评估指标对各模型进行评估,选择出针对本文所研究的选址问题预测效果最好的分类器。最后... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

011-2018餐饮收入市场规模以及餐饮收入增速随着时代的发展，人民物质生活水平逐年提升，消费者对餐饮业的需求除了饱腹

样本空间中寻找一个超平面，这个超平面需要满棒性，即泛化能力最强。的训练样本称为“支持向量”，将两个异类支持向。要寻找鲁棒性最强的划分平面，也就是要找到“ = = = =

华 中 科 技 大 学 硕 士 学 位 论 文灵活性，可以同时处理线性与非线性空间的分类问题，并且计算复杂度也较低。缺点是模型的表现结果对所选择的核函数和参数有较大的依赖性，不同的核函数和参数，可能会使模型性能有较大的差异。2.2.4 随机森林随机森林[38]是常见的基于决策树的集成学习方法。和 GBDT 不同的是，他是一种并行的集成方法。并行和串行集成方法的区别在于，并行的个体学习器之间不存在强依赖关系，而串行的集成学习方法中存在强依赖关系。随机森林和 bagging 都是并行集成方法中的典型方法。并且随机森林可以理解为 bagging 方法的一个扩展变体。

【参考文献】：
期刊论文
[1]基于层次分析法的加油站选址研究[J]. 王彬彬,张宁.  物流科技. 2018(12)
[2]一种汽车快修连锁店双层规划选址模型[J]. 顾丰,侯文彬,崔晓敏,姚宝珍,高俊杰.  大连理工大学学报. 2018(02)
[3]连锁餐饮店选址影响因素的实证研究——吉祥馄饨[J]. 谷姣姣,吴飞,渠琪,龚佃选.  中国市场. 2017(13)
[4]基于混合整数非线性规划的物流基地布局优化模型[J]. 沈宗华,董艳,王潇潇.  物流科技. 2013(07)
[5]城市餐饮业的空间格局及影响因素分析——以厦门市为例[J]. 舒舍玉,王润,孙艳伟,刘健,肖黎姗.  热带地理. 2012(02)
[6]分类器的分类性能评价指标[J]. 王成,刘亚峰,王新成,闫桂荣.  电子设计工程. 2011(08)
[7]模糊多指标评价方法在连锁店选址中的应用[J]. 陆影,任庆娟.  技术经济. 2008(11)
[8]层次分析法在连锁店选址中的运用[J]. 周晓军,曹业.  科技和产业. 2006(11)
[9]我国餐饮业的市场现状及发展策略研究[J]. 杨柳.  北京交通大学学报(社会科学版). 2006(03)
[10]选址问题研究的若干进展[J]. 杨丰梅,华国伟,邓猛,黎建强.  运筹与管理. 2005(06)

硕士论文
[1]基于大数据的城市连锁店选址问题研究[D]. 崔安瑶.吉林大学 2017
[2]商圈理论在餐饮业选址中的应用[D]. 宋铭昊.沈阳理工大学 2014
[3]基于GIS的空间相互作用理论与模型研究[D]. 秦玉.同济大学 2008
[4]上海市中心城区餐饮业区位研究[D]. 李新阳.同济大学 2006



本文编号：3581768