现如今,无人超市的兴起再一次掀起了线下消费的热潮,无人超市客流量的有效预测更能够起到画龙点睛的作用,推动新兴产业的发展。然而现在相关领域的研究较为匮乏。而无人超市作为一个新兴产业,其特有的购物方式及产业模式将会直接导致无人超市客流量相对于其他传统线下超市客流量的不同,从而形成一种新型的数据特点,所以对于无人超市未来一周或者是一个月的客流量预测,亟待提出一种新型且适用的预测方法。本文围绕无人超市客流量精准预测的问题,基于统计得来的客流量数据数据量少,波动性强的复杂性特点,在经过研究分析及实验对比之后,结合几种机器学习算法及统计学分析方法的优势,提出一种建设性较强,且适用性突出的无人超市客流量组合预测模型。该模型使用三次样条插值法进行缺失值填补,经过相关性分析拓展原有历史数据进行数据融合,使用K-means聚类算法做聚类处理,并提出一种基于轮廓系数的簇数选取方法,特征提取阶段加入离散小波变换拆分波形,并将其输入梯度提升回归树模型进行训练,在数据处理及提取特征阶段强化模型。研究结果表明,该模型不仅对无人超市客流量的预测有很强的适用性,且预测效果突出,解决了当前对新型且复杂型客流量数据出现的现有预测模型适用性不高且无法实现精准预测的难题,同时为无人超市客流量预测领域贡献了一份稀缺的力量。应用方面,基于客流量的预测构建无人超市营销模式决策树模型,该模型基于CART算法和相关属性,并将营销模式划分等级结构输出,实验结果显示,该模型具备可用性。工程方面,基于客流量及营销模式的预测设计并实现了无人超市智能化管理系统,它不仅可以为管理者提供比较及时的客流分布,而且可以更好地为决策者提供可参考的决策信息。