[问与答] 如何利用机器学习识别异常的销售行为?

工作中需要对一些销售行为做判断。
举个例子:
比如 A 购买了原油,添加剂化学试剂等东西
1.如果 A 销售原油,化学试剂,那么销售行为正常,买什么卖什么。
2.如果 A 销售汽油,柴油等产品,那么销售行为正常,可以认为 A 做了生产,利用原料生产产品。
3.如果 A 销售金属,煤炭等产品,那销售行为异常,因为原油做不出这些东西来,数据存在造假。

目前暂时有的数据就是购买与销售的商品种类与对应比例,数据量理论上也足够。

想问下大家有哪些思路,利用什么算法或者模型可以通过机器学习来满足需求。

如果加上其他数据可以更好的实现,也可以标注出来。

谢谢啦。

发表回复

您的电子邮箱地址不会被公开。