支持向量回归机在药品销售预测中的分析及应用.pdfVIP

目 录 中文摘要 III Abstract IV 1 绪论 1 1.1 研究背景 1 1.2 研究目的及意义 2 1.3 支持向量机简介 2 1.3.1 国外研究现状 2 1.3.2 国内研究现状 3 1.4 研究方案及论文结构 5 2 药品销售预测的意义及分析方法 6 2.1 销售预测的基本理论 6 2.1.1 影响销售预测的相关因素 6 2.1.2 销售预测的步骤 8 2.2 药品销售预测的意义 10 2.3 药品销售预测的分析方法 11 3 支持向量机的基本理论 13 3.1 统计学习理论 13 3.1.1 VC 维 13 3.1.2 推广性的界 14 3.1.3 结构风险最小化 14 3.2 支持向量机的基本原理 16 3.2.1 最优分类面 16 3.3.2 核函数 18 3.3 几种支持向量机算法的介绍 20 3.4 本章小结 21 4 基于支持向量机回归预测的应用 22 I 4.1 回归分析22 4.2 支持向量回归机 22 4.2.1 核函数的选取 24 4.2.2 其他主要参数 25 4.3 基于支持向量回归机的预测模型的设计 25 4.3.1 数据样本的选取与预处理 26 4.3.2 预测模型的选取与参数的确定 26 4.3.3 预测结果的评价方法 27 4.4 基于支持向量回归机的药品销售预测 27 4.4.1 LibSVM 软件介绍 27 4.4.2 感冒类药品的销售数据选取及预处理 28 4.4.3 对预测模型的参数寻优 31 4.4.4 训练预测模型并对样本进行预测 32 4.5 本章小结 34 5 总结与展望 35 5.1 总结 35 5.2 工作展望 35 参考文献 37 致 谢 42 在学期间发表的研究成果 43 II 中文摘要 中文摘要 随着数据库系统在现代企业中的广泛应用，使得企业信息化进程处于不断 完善的阶段。然而，蕴藏在企业长期积累的大量数据中、对企业决策有利的“知 识”并未得到有效地使用。数据挖掘技术的出现，恰恰解决了这种矛盾。目前 数据挖掘技术研究应用到多个领域，涵盖的范围包括金融、电力、电信、交通 等诸多领域。预测作为数据挖掘技术的一个重要组成部分也受到企业和研究学 者的关注。 在当今社会中，较为准确的预测具有重要的作用，它可以帮助企业或单位 作出正确的决策从而带动其发展。对于销售行业尤显重要，对药品销售企业来 说正确的预测，使企业能够合理的安排企业进销存，节约成本，达到利益最大 化有着更为重要的意义。尽管预测十分重要，但要得到高质量的预测结果却并 非易事。如何选取合适的数据挖掘技术就成为保证预测质量的基础。 支持向量机作为数据挖掘中的新技术，基于结构风险最优化理论解决了其 他技术的“过学习”现象，并运用核函数避免了“维数灾难”，并在多个领域预 测中表现出不错的性能。本文主要通过对支持向