买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华东交通大学申请的专利一种基于多模型融合的营销数据预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121145156B 。

龙图腾网通过国家知识产权局官网在2026-01-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511678402.1，技术领域涉及：G06F18/25；该发明授权一种基于多模型融合的营销数据预测方法是由刘美玲;黄昊;涂宇洲;杨程;康子扬;何兰冰;韦艳平;杨达忠;廖子金;朱靖雯;龚婧臻;黄己酉设计研发完成，并于2025-11-17向国家知识产权局提交的专利申请。

本一种基于多模型融合的营销数据预测方法在说明书摘要公布了：本发明公开了一种基于多模型融合的营销数据预测方法，包括：步骤S1：构建数据预处理函数，通过数据预处理函数构成原始特征集合；步骤S2：分析步骤S1中的原始特征集合，将原始特征集合划分为训练集和测试集并进行标准化；步骤S3：选用三种回归模型为基础模型，以最小绝对收缩和选择算子线性模型为元模型构建堆叠模型；步骤S4：用步骤S2中的训练集训练堆叠模型，测试集预测测试集中的视频观看成交转化率和成交金额预测值并进行后处理与评估，保存处理后的堆叠模型；步骤S5：对于新的数据文件,基于S1构建的数据预处理函数和S4训练的预测结果的堆叠模型输出预测结果。该算法可对营销相关指标进行有效预测和分析。

本发明授权一种基于多模型融合的营销数据预测方法在权利要求书中公布了：1.一种基于多模型融合的营销数据预测方法，其特征在于，包括以下步骤： 步骤S1：构建数据预处理函数，通过数据预处理函数读取营销相关数据并进行目标变量转换构成原始特征集合； 步骤S2：分析步骤S1中的原始特征集合，将原始特征集合划分为训练集和测试集并进行标准化； 步骤S3：选用极限梯度提升回归模型、随机森林回归模型、轻量级梯度提升机回归模型为基础模型并调整基础模型参数，以最小绝对收缩和选择算子线性模型为元模型，构建堆叠模型； 步骤S4：用步骤S2中的训练集训练堆叠模型，步骤S2中的测试集预测测试集中的视频观看成交转化率和成交金额预测值并进行后处理与评估，保存处理后的堆叠模型；具体为： 步骤S41：将参数设置后的极限梯度提升回归模型、随机森林回归模型、轻量级梯度提升机回归模型作为基础模型，利用标准化后的训练集特征数据，分别对训练集进行训练集目标数据预测，生成预测值； 步骤S42：最小绝对收缩和选择算子线性模型作为元模型，基于基础模型的预测值和原始特征集合，输出最终预测的训练集目标数据即训练集的视频观看成交转化率和成交金额，训练对应的视频观看成交转化率堆叠模型和成交金额堆叠模型； 步骤S43：训练堆叠模型完成后，利用标准化后的测试集特征数据进行预测得到测试集目标数据的预测值； 步骤S44：对预测得到测试集目标数据的视频观看成交转化率预测结果进行后处理并评估预测效果；具体如下： 步骤S441：基于数组裁剪函数进行后处理，将视频观看成交转化率预测值裁剪至[0,1]区间，表示为： ； 其中，表示裁剪后的视频观看成交转化率预测值；test_pred表示输入的视频观看成交转化率预测值；a_min表示输入的视频观看成交转化率预测值最小值；a_max表示输入的视频观看成交转化率预测值最大值； 步骤S442：通过计算处理后的视频观看成交转化率预测结果的均方误差函数进行预测结果评估； 步骤S45：对预测得到测试集目标数据的成交金额预测结果进行后处理并评估预测效果； 步骤S46：记录测试集目标数据即测试集的视频观看成交转化率和成交金额的预测范围，保存处理后的堆叠模型； 步骤S5：对于新的数据文件,基于步骤S1构建的数据预处理函数和步骤S4处理后的堆叠模型,通过标准化聚类特征和后处理预测结果，输出预测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华东交通大学，其通讯地址为：330013 江西省南昌市经济技术开发区双港东大街808号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。