本技术涉及但不限于计算机，尤其涉及一种基于随机森林的库存额度配置方法、装置、设备、介质。
背景技术：
1、库存额度配置系统用于根据不同的装维工的工作类型、装维业务需求进行设备安装和维护过程中所需的各种材料和工具的额度分配。现有库存额度配置方案中，通常要求系统管理员手动为每个装维工配置库存额度，这种统一的配置方法未能考虑到装维工之间在工作需求和条件上的差异，导致统一的库存额度配置无法适应不同装维工的具体需求和工作条件，从而造成配置过程耗时且无法实现个性化管理；再者，随着装维业务需求的变化，现有技术方案难以快速适应业务需求的变动和新的库存额度配置需求，无法及时根据装维工的实际使用情况或市场变化来调整库存额度，或者无法根据历史使用情况动态调整库存额度，导致资源浪费或供应不足。
技术实现思路
1、本技术实施例提供了一种基于随机森林的库存额度配置方法、装置、设备、介质，考虑库存额度分配对象的个性化需求以及装维业务需求，实现库存额度的动态调整，从而实现优化库存资源的利用率以及提升库存额度配置系统的用户体验。
2、第一方面，本技术实施例提供了一种基于随机森林的库存额度配置方法，该方法应用于库存额度配置系统，所述方法包括：
3、获取多个第一装维工属性信息，对各个所述第一装维工属性信息进行数据预处理，得到多个第一信息，其中，所述第一装维工属性信息包括工作地址、历史违规记录和历史库存额度信息；
4、基于预设特征选择规则从各个所述第一信息中提取目标特征信息，基于所述目标特征信息生成各个第二信息，其中，所述目标特征信息与库存额度以及库存需求之间的相关度大于预设相关度阈值；
5、利用交叉验证方法划分全部所述第二信息，得到训练集和测试集；
6、根据所述训练集和所述测试集对预设的随机森林模型分别进行训练和模型优化，得到第一目标库存额度预测模型；
7、将待检测的第二装维工属性信息输入至所述第一目标库存额度预测模型，得到第一库存额度值，确定所述第二装维工属性信息对应的装维工标识，为所述装维工标识配置所述第一库存额度值；
8、基于第一时间周期获取所述装维工标识对应的新的第二装维工属性信息，将所述新的第二装维工属性信息输入至所述第一目标库存额度预测模型，得到第二库存额度值；
9、基于所述第二库存额度值与所述第一库存额度值计算额度调整值，基于所述额度调整值和所述第二库存额度值确定第三库存额度值，并将所述第三库存额度值配置给所述装维工标识，其中，所述第三库存额度值为下一周期针对所述装维工标识的库存额度分配值。
10、在一些实施例中，所述对各个所述第一装维工属性信息进行数据预处理，得到多个第一信息，包括：
11、从各个所述第一装维工属性信息中确定缺失值，对所述缺失值进行删除或插值处理，得到各个中间信息；
12、依次对各个所述中间信息进行异常值删除和数据归一化处理，得到各个所述第一信息。
13、在一些实施例中，所述随机森林模型包括多个决策树，根据所述训练集和所述测试集对预设的随机森林模型分别进行训练和模型优化，得到第一目标库存额度预测模型，包括：
14、通过预设的自助采样方法从所述训练集中采集多个数据子集；
15、基于各个所述数据子集分别构建各个所述决策树，基于各个所述数据子集计算基尼不纯度；
16、基于所述基尼不纯度从所述决策树中确定目标分裂点，在各个目标分裂点分割对应的所述决策树；
17、将分割后的全部的所述决策树组成第一中间模型；
18、利用所述测试集和预设的模型性能评估算法计算所述第一中间模型对应的模型性能评估结果；
19、利用预设的特征重要性评估算法和各个所述决策树对应的数据特征计算各个所述数据特征对所述第一中间模型进行预测库存额度的贡献度；
20、基于所述模型性能评估结果和所述贡献度，调整所述第一中间模型的模型参数，得到所述第一目标库存额度预测模型，其中，所述模型参数包括所述决策树的数量、各个所述决策树的深度、以及所述数据特征的数量。
21、在一些实施例中，所述基于所述第二库存额度值与所述第一库存额度值计算额度调整值，根据以下公式得到：
22、
23、其中，α为可调整系数，α的取值范围为(0,1)，δq为所述额度调整值，为所述第一库存额度值，qused为所述第二库存额度值。
24、在一些实施例中，所述第一目标库存额度预测模型包括多个决策树，所述将待检测的第二装维工属性信息输入至所述第一目标库存额度预测模型，得到第一库存额度值，包括：
25、每个所述决策树均对所述第二装维工属性信息进行回归分析，得到各个中间库存额度值；
26、计算全部的所述中间库存额度值的均值，得到所述第一库存额度值。
27、在一些实施例中，所述方法还包括：
28、基于第二时间周期获取所述装维工标识对应的所述历史违规记录和所述历史库存额度信息；
29、基于所述历史违规记录和所述历史库存额度信息计算风险评分值；
30、基于所述风险评分值和预设风险评分阈值调整所述装维工标识的当前库存额度值。
31、在一些实施例中，所述装维工标识的数量具有多个，所述方法还包括：
32、将基于所述第二时间周期获取到的各个所述装维工标识对应的所述历史库存额度信息输入至所述第一目标库存额度预测模型；
33、基于全部的所述历史库存额度信息训练所述第一目标库存额度预测模型，得到第二目标库存额度预测模型。
34、第二方面，本技术实施例提供了一种控制装置，包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如第一方面所述的基于随机森林的库存额度配置方法。
35、第三方面，本技术实施例还提供了一种电子设备，包括第二方面的控制装置。
36、第四方面，本技术实施例还提供了一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行如第一方面所述的基于随机森林的库存额度配置方法。
37、本技术实施例提供了一个基于随机森林的库存额度配置方法、装置、设备、介质，方法包括：获取多个第一装维工属性信息，对各个所述第一装维工属性信息进行数据预处理，得到多个第一信息，其中，所述第一装维工属性信息包括工作地址、历史违规记录和历史库存额度信息；基于预设特征选择规则从各个所述第一信息中提取目标特征信息，基于所述目标特征信息生成各个第二信息，其中，所述目标特征信息与库存额度以及库存需求之间的相关度大于预设相关度阈值；利用交叉验证方法划分全部所述第二信息，得到训练集和测试集；根据所述训练集和所述测试集对预设的随机森林模型分别进行训练和模型优化，得到第一目标库存额度预测模型；将待检测的第二装维工属性信息输入至所述第一目标库存额度预测模型，得到第一库存额度值，确定所述第二装维工属性信息对应的装维工标识，为所述装维工标识配置所述第一库存额度值；基于第一时间周期获取所述装维工标识对应的新的第二装维工属性信息，将所述新的第二装维工属性信息输入至所述第一目标库存额度预测模型，得到第二库存额度值；基于所述第二库存额度值与所述第一库存额度值计算额度调整值，基于所述额度调整值和所述第二库存额度值确定第三库存额度值，并将所述第三库存额度值配置给所述装维工标识，其中，所述第三库存额度值为下一周期针对所述装维工标识的库存额度分配值。根据本技术实施例提供的方案，通过随机森林模型和装维工属性信息自动为各个装维工标识分配库存额度，并基于装维业务需求动态调整库存额度，实现优化库存资源的利用率以及提升库存额度配置系统的用户体验。
1.一种基于随机森林的库存额度配置方法，其特征在于，应用于库存额度配置系统，所述方法包括：
2.根据权利要求1所述的基于随机森林的库存额度配置方法，其特征在于，所述对各个所述第一装维工属性信息进行数据预处理，得到多个第一信息，包括：
3.根据权利要求1所述的基于随机森林的库存额度配置方法，其特征在于，所述随机森林模型包括多个决策树，根据所述训练集和所述测试集对预设的随机森林模型分别进行训练和模型优化，得到第一目标库存额度预测模型，包括：
4.根据权利要求1所述的基于随机森林的库存额度配置方法，其特征在于，所述基于所述第二库存额度值与所述第一库存额度值计算额度调整值，根据以下公式得到：
5.根据权利要求1所述的基于随机森林的库存额度配置方法，其特征在于，所述第一目标库存额度预测模型包括多个决策树，所述将待检测的第二装维工属性信息输入至所述第一目标库存额度预测模型，得到第一库存额度值，包括：
6.根据权利要求1所述的基于随机森林的库存额度配置方法，其特征在于，所述方法还包括：
7.根据权利要求6所述的基于随机森林的库存额度配置方法，其特征在于，所述装维工标识的数量具有多个，所述方法还包括：
8.一种控制装置，其特征在于，包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如权利要求1至7任一项所述的基于随机森林的库存额度配置方法。
9.一种电子设备，其特征在于，包括权利要求8所述的控制装置。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至7中任意一项所述的基于随机森林的库存额度配置方法。
