一、售货机数据准备

         数据格式转化

         数据字段说明

         数据探索

         重点代码解读

二、售货机数据预处理

         1.数据清洗

               原因:录入时遗漏、代价太大、敏感性强、出现误差……

               问题：部分数据缺失、存在异常值……

               问题：手工效率低、直接删除导致数据失真、数据质量至关重要……

               解决办法：

               缺失值填充、人工填写、特殊值填充、平均值填充、热卡填充、K最近距离填充、回归、删除异常值、进行变换合并……

               目的：提高数据质量，助于获得满意结果。

         2.数据标准化

               原因：不同维度评价和描述，会有不同的评价指标

               问题：存在不同量纲和不同的数量级，数值大的将会被“偏爱”有加

               问题：结果失真，“无效”模型

               解决办法：

               Min-max 标准化

               z-score 标准化

               对数模式

         3.数据集划分

三、区域物品销售量预测模型

         1.构建区域物品销售量预测模型

               前馈神经网络

               单层感知机

               激活函数

               损失函数与梯度下降法

               优化器

                   在梯度下降算法中，有各种不同的改进版本。在面向对象的语言实现中，往往把不同的梯度下降算法封装成一个对象，称为优化器。

               算法改进的目的，包括但不限于：

                   加快算法收敛速度；

                   尽量避过或冲过局部极值；

                   减小手工参数的设置难度，主要是Learning Rate（LR）。

               常见的优化器如：普通GD优化器、 动量优化器、Nesterov、 Adagrad、Adadelta、 RMSprop、 Adam、 AdaMax、**m。

         2.训练区域物品销售量预测模型

         3.评估区域物品销售量预测模型

         4.应用区域物品销售量预测模型

四、运维反馈

         实现方案

         1.设备鉴权，获取Token

              注：接口文档 ： https://support.huaweicloud.com/api-iam/iam_30_0001.html?ticket=ST-1610658-04S6Rxgx35h2WvqyiRJlJva5-sso&locale=zh-cn

         2.向设备服务发送命令，构造请求

               构造请求，发送命令

               结果验证

五、实验

          见附件