基于Co-Forest算法的购物中心品牌店铺坪效分类预测

发布时间：2023-07-01 12:45

　　随着经济的发展,购物中心如雨后春笋般在我国各地喷涌而出,随之而来的是购物中心之间激烈的竞争。购物中心建设的每个环节稍有不慎便会导致整个购物中心的建设失败,造成巨大的亏损。品牌的选择对于一个购物中心来说非常重要,通常决定了购物中心和品牌方是否能达到共赢。一个品牌是否适合引入购物中心,这个品牌的店铺坪效是最直观的判断方法,但引入一个品牌来获得其坪效数据对于购物中心来说耗时耗力代价巨大,使用机器学习方法利用目标购物中心已引入品牌的坪效数据和所有品牌的特征数据对品牌店铺坪效进行预测具有重要意义。首先对品牌店铺坪效的影响因素进行分析,抽象出可以描述品牌的各个特征,提取出的这些特征会对品牌的店铺坪效造成影响。根据提取出的特征进行数据获取,主要对品牌线上销售数据、品牌认知相关数据、品牌普及程度相关数据、品牌自身属性以及其它购物中心引入品牌数据五个方面的数据进行获取。其次,对于除目标购物中心外的国内其他购物中心的品牌引入情况,使用复杂网络二部图对获取到的其他购物中心引入品牌的数据进行计算,得到每个品牌被其他购物中心引入的推荐引入指数,并将此作为描述该品牌的其中一维特征,与描述品牌的其他特征一起作为Co...

【文章页数】：60 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景及研究意义
    1.2 国内外研究现状
        1.2.1 购物中心理论相关研究
        1.2.2 购物中心规划建设及运营管理模式研究
        1.2.3 租户组合相关研究
    1.3 论文研究内容
    1.4 论文结构
        1.4.1 技术路线
        1.4.2 论文结构
第2章 相关理论与技术知识
    2.1 复杂网络二部图
        2.1.1 二部图
        2.1.2 基于二部图的资源分配算法
    2.2 半监督学习与Co-Forest算法
        2.2.1 半监督学习
        2.2.2 Co-Forest算法
    2.3 weka环境与数据格式
    2.4 本章小结
第3章 数据分析及预处理
    3.1 品牌坪效影响因素分析
        3.1.1 品牌坪效主要影响因素
        3.1.2 主要影响因素之间的关系
    3.2 特征提取
        3.2.1 品牌普及程度相关特征
        3.2.2 品牌认知程度相关特征
        3.2.3 品牌线上销售数据特征
        3.2.4 品牌自身相关特征
        3.2.5 其他购物中心引入品牌特征
    3.3 数据预处理
        3.3.1 数据清洗
        3.3.2 数据集成
        3.3.3 数据归一化
    3.4 本章小结
第4章 购物中心品牌店铺坪效分类预测模型
    4.1 预测模型框架
    4.2 基于二部图的品牌推荐指数计算模型
    4.3 基于Co-Forest算法的品牌店铺坪效分类预测模型
        4.3.1 预测模型的建立
        4.3.2 模型参数的选择
    4.4 本章小结
第5章 实验结果及分析
    5.1 实验数据集
        5.1.1 实验数据获取
        5.1.2 数据格式转换
    5.2 实验环境搭建与部署
        5.2.1 实验环境
        5.2.2 weka环境部署
    5.3 评估指标
        5.3.1 KAPPA系数
        5.3.2 正确率
    5.4 实验结果分析
    5.5 本章小结
结论
参考文献
致谢



本文编号：3836275