基于机器学习的烟草零售点合理容量测算模型研究-中国期刊网

摘要摘要：为解决GL市烟草零售点合理容量布局问题，实现烟草零售点合理容量的精准预测，提出基于机器学习方法的烟草零售点合理容量测算模型。首先，通过实地调研和专家访谈法提取影响烟草零售点合理容量布局的关键影响因素；其次，收集整理GL市烟草专卖局提供的13个县区2017-2022年的烟草历史数据，对数据进行标准化等预处理工作；然后，利用梯度提升树、神经网络、支持向量机和贝叶斯回归等4种机器学习模型对烟草零售点合理容量进行预测，并将预测值进行对比分析。然后使用Permutation Importance算法对影响因素进行重要性排序，筛选关键指标。结果表明：梯度提升树模型的决定系数最高，模型性能最好。影响烟草零售点合理布局的关键指标分别是常住人口数和销量。因此，在GL市烟草局制定零售点合理容量布局时应重点考虑常住人口数和销量的影响。文章的研究可以为实现烟草零售点合理容量布局预测提供科学的技术支持。