CN119474109A 基于机器学习的市场营销数据分布式协同存储系统及方法 （南京信息工程大学）

基于机器学习的市场营销数据分布式协同于机器学习的市场营销数据分布式协同存储系算法求解分布式协同存储模型，得到全局最优2S2、基于孤立森林算法建立不合格数据识别模型，2.根据权利要求1所述的基于机器学习的市场营销数据分布式协同存储方法，其特征3.根据权利要求2所述的基于机器学习的市场营销数据分布式协同存储方法，其特征S112、设定临界点，将所述距离个数数组中对应4.根据权利要求3所述的基于机器学习的市场营销数据分布式协同存储方法，其特征35.根据权利要求4所述的基于机器学习的市场营销数据分布式协同存储方法，其特征S221、统计不合格数据识别模型中待处理市场6.根据权利要求5所述的基于机器学习的市场营销数据分布式协同存储方法，其特征7.根据权利要求6所述的基于机器学习的市场营销数据分布式协同存储方法，其特征8.根据权利要求7所述的基于机器学习的市场营销数据分布式协同存储方法，其特征f；当f>F时当fsF时更新4用传统鹈鹕个体位置更新公式，得到第t+1次迭代鹈鹕种群中第p个鹈鹕个体在第q维;;f表示位置对应的适应度函数述全局最佳位置对应分布式协同存储模型的全局9.一种实现如权利要求1_8任意一项所述基于机器学习的市场营销数据分布式协同存所述数据聚类整理与分类模块用于对初始市场营销数据集合进行聚类整理和分类处所述不合格数据识别删除模块用于建立不合格数据识别模型识别并删除不合所述数据分布式协同存储模块用于建立分布式协同存储模型对数据进行分布式协同所述分布式协同存储策略生成模块用于使用优化算法求解分布式协同存储模5[0002]中国专利CN118331791B公开了一种基于云计算及分布式存储的数据协同备份系6;其中，l表示标准数据点特征向量和第一市场营销数据点特征向量的距离，(a,b,c,)表示标准数据点特征向量的坐标，(a,b,c3)表示第一市场营销数据点特征向量7个训练好的弱分类器组成XGBoost分类模型，将所述整理后的市场营销数据集合输入到S21、在所述分类后的市场营销数据集合中选取任意分类后的市场营销数据子集处理市场营销数据样本集中小于树分割点对应的待处理市场营销数据样本加入到树分割;市场营销数据样本在孤立树的平均深度，ite)表示孤立树中第e个待处理市场营销数据样8节点记为A=d,d,d,…,d}，其中d;表示第;表示第g个处理好的市场营销数据在第h个存储节点的选择系数，B以表示第h个存储节节点上，当时，表示第g个处理好的市场营销数据没有存储在第h个存储节点上，表示存储在第h个存储节点上第个存储设备，结合模型约束条件和存储最大载荷[0012]该发明通过将处理好的市场营销数据进行分布式协同存储，以最大载荷作为目9记为f；当f>F时当fsF时略，设定标准柯西分布为f(0,1)，第t次鹈鹕种群中最佳鹈鹕个体位置记为，则;;f表示位置对应的适应所述数据聚类整理与分类模块用于对初始市场营销数据集合进行聚类整理和分所述不合格数据识别删除模块用于建立不合格数据识别模型识别并删除不合格所述数据分布式协同存储模块用于建立分布式协同存储模型对数据进行分布式所述分布式协同存储策略生成模块用于使用优化算法求解分布式协同存储模型，[0023]图1为本发明提供的基于机器学习的市场营销数据分布式协同存储系统在市场营;其中，l表示标准数据点特征向量和第一市场营销数据点特征向量的距离，(a,b,c,)表示标准数据点特征向量的坐标，(a,b,c3)表示第一市场营销数据点特征向量个训练好的弱分类器组成XGBoost分类模型，将所述整理后的市场营销数据集合输入到S21、在所述分类后的市场营销数据集合中选取任意分类后的市场营销数据子集处理市场营销数据样本集中小于树分割点对应的待处理市场营销数据样本加入到树分割;市场营销数据样本在孤立树的平均深度，ite)表示孤立树中第e个待处理市场营销数据样节点记为A=d,d,d,…,d}，其中d;表示第;表示第g个处理好的市场营销数据在第h个存储节点的选择系数，B以表示第h个存储节节点上，当时，表示第g个处理好的市场营销数据没有存储在第h个存储节点上，表示存储在第h个存储节点上第个存储设备，结合模型约束条件和存储最大载荷记为f；当f>F时当fsF时略，设定标准柯西分布为f(0,1)，第t次鹈鹕种群中最佳鹈鹕个体位置记为，则;;f表示位置对应的适应所述数据聚类整理与分类模块用于对初始市场营销数据集合进行聚类整理和分所述不合格数据识别删除模块用于建立不合格数据识别模型识别并删除不合格所述数据分布式协同存储