基于次模函数的大数据多址选择方法

摘要

本发明提供一种基于次模函数的大数据多址选择方法，包括：步骤1：采集待选址区域内已有门店的能够影响选址好坏的若干个特征，构造样本集；步骤2：利用样本集先训练出若干个基学习器的评估模型，将若干个基学习器运用bagging的集成方法组合为强学习器，即最终的选址模型；步骤3：将待选址区域内若干个候选门店的特征分别输入选址模型，最大输出值对应的候选门店为目标门店；步骤4：去除已选定的目标门店以及其影响半径内其它的候选门店，重复步骤3，得到下一个目标门店。本发明构建能够覆盖范围更广的选址模型，最终实现科学化、标准化以及可持续性强的选址策略。