科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对服装订单销售弹性较大、易出现大量库存积压的问题，提出一种基于周期基准孤立森林的异常监测算法。该算法在孤立森林的基础上加入了数据分解法，对数据进行周期性的处理。首先，对服装订单数据进行数据预处理，将负值和缺失值进行均值的填充；其次使用STL分解法对预处理后的数据进行数据分解，剔除数据中的季节项和趋势项，保留数据残差；最后，用孤立森林对分解后的数据进行异常数据识别。实验结果表明，所提算法相较于孤立森林算法准确率提高了6.11个百分点，受试者操作曲线下面积（AUC）提高了8.16个百分点。该算法适用于含有季节性和周期性的数据异常检测，能够为服装产量提供决策支持。
- 单位
