一种面向商圈店铺管理规划的机器学习建模分析技术

商圈在居民日常生活中占据重要的地位,而数字化管理已成为实现商圈运营优化的重要环节。目前,商圈店铺分类的研究仍然主要依赖于统计分析方法和人为经验判断,缺少较为准确、系统的模型方法作为决策支撑。针对此现状,本文提出一种基于聚类模型的店铺布局方法和基于关联规则模型的店铺引流方法。另外,本文还对当前比较流行的5种聚类算法在商圈店铺分类问题的使用效果进行对比。试验结果证明,当数据量波动时,与传统的K-Means算法相比,层次聚类算法的轮廓系数稳定在0.55~0.6,明显优于其余聚类算法;层次聚类算法平均运行时间与K-Means算法相比可缩短80%~90%,运行效率和分类效果均为最优,因此最适合用于商圈店铺聚类分析。