期刊文献+

基于随机森林模型的餐饮数据预测 被引量:1

下载PDF
导出
摘要 本文针对某公司的餐饮数据,通过人工智能的方法进行数据分析,指导决策者的日常规划、进而实现成本的节约和资源的合理配置。具体来说,我们以某公司的后勤餐饮数据为例,经过数据预处理、特征工程等操作,基于随机森林模型预测该公司的每日就餐人数,为该公司的日常采购行为和餐饮配套服务提供科学和数据依据。通过此方法对餐饮数据进行预测,能够从看似单一的餐饮数据中获取更多有价值的信息,以帮助管理者切实了解职工人员的就餐需求,从而做出合理的安排和决策。实验表明,本文所提出的智能决策方案比传统的启发性的预算方案减少了13.56%的每日损耗,为该公司带来每天4005.85rmb的成本节省,整体损耗率降低了0.92%(占实际总费用)。由此可见,利用人工智能的方法实现后勤成本的控制是一个有效且值得认真探索的课题。
出处 《电子技术与软件工程》 2022年第21期202-207,共6页 ELECTRONIC TECHNOLOGY & SOFTWARE ENGINEERING
  • 相关文献

参考文献5

二级参考文献67

  • 1李兵,韩睿,何怡刚,张晓艺,侯金波.改进随机森林算法在电机轴承故障诊断中的应用[J].中国电机工程学报,2020,40(4):1310-1319. 被引量:79
  • 2Archer KJ, Kirnes RV, 2008. Empirical characterization of random forest variable importance measures. Comput. Stat. Data Anal. ,52(4):2249-2260.
  • 3Biau G, 2012. Analysis of a random forests model. J. Mach. Learn. Res. , 13: 1063 -1095.
  • 4Breiman L, 2001a. Random forests. Mach. Learn. , 45:5 - 32.
  • 5Breiman L, 2001b. Statistical modeling: The two cultures. Stat. Sci., 16:199-215.
  • 6Breiman L, Friedman JH, O lshen RA, Stone CJ, 1984.Classification and Regression Trees. Chapman and Hall. 1 -359.
  • 7Cutler DR, Edwards TC, Jr., Beard KH, Cutler A, Hess KT, 2007. Random forests for classification in ecology. Ecology, 88 (11) :2783 - 2792.
  • 8Deng H, Runger G, Tuv E, 2011. Bias of importance measures for multi-valued attributes and solutionsl I Proceedings of the 21 st International Conference on Artificial Neural Networks (ICANN).
  • 9Elith J, Graham CH, 2009. Do they? How do they? Why do they differ? On finding reasons for differing performances of species distribution models. Ecography, 32 ( 1 ) : 66 - 77 .
  • 10Genuer R, Poggi JM, Tuleau-Malot C, 2010. Variable selection using random forests. Pattern Recogn. Lett., 31 (14) :2225 - 2236.

共引文献372

同被引文献20

引证文献1

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部