[發明專利]基于大數據的效果預測方法、裝置、介質及電子設備

在審

• 申請號: 201811246907.0
• 申請日: 2018-10-24
• 公開（公告）號: CN109658124A
• 公開（公告）日: 2019-04-19
• 發明（設計）人: 陳偉源
• 申請（專利權）人: 中國平安人壽保險股份有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 深圳市隆天聯鼎知識產權代理有限公司 44232
• 代理人: 劉抗美

本發明實施例提供了一種基于大數據的效果預測方法、裝置、介質及電子設備，屬于大數據技術領域的預測估值技術。該方法包括：按照時間序列獲取歷史數據對應的多個時間段，并從歷史數據的多個影響參數中確定各時間段對應的關鍵影響參數；將各時間段對應的歷史數據與所述各時間段對應的關鍵影響參數的參數值作為訓練集，訓練機器學習模型；確定待預測目標時間段的關鍵影響參數，并將所述關鍵影響參數的多個參數值輸入訓練后的所述機器學習模型；根據所述機器學習模型的輸出結果，確定所述待預測目標時間段的預測數據，以得到預測效果。本發明實施例的技術方案可以提高數據預測精度。

技術領域

本發明涉及數據分析技術領域的預測估值技術，具體而言，涉及一種基于大數據的效果預測方法、基于大數據的效果預測裝置、存儲介質及電子設備。

背景技術

隨著計算機的普及，數據共享的程度越來越高，導致數據變得越來越復雜和多元。為了充分利用資源，產生最大效益，從而對市場和產品做出更加明智的決策，數據預測成為了管理者的主要依據。

現有的預測方法主要是利用歷史數據來預測市場或者產品的變化規律，從而得到未來的特定時間點可能產生的效益。此外，還有些預測方法可以預測特定影響因素對市場或者產品的影響，從而可以根據當前或者未來該影響因素的變化預測可能產生的效益。但是影響市場或者產品的影響因素往往是多個，對單一影響因素的市場的預測已不能滿足預測的精度要求。

因此，如何克服單一影響因素的片面性，對多個影響因素的市場進行預測，提高預測的精確度成為了亟待解決的問題。

需要說明的是，在上述背景技術部分公開的信息僅用于加強對本發明的背景的理解，因此可以包括不構成對本領域普通技術人員已知的現有技術的信息。

發明內容

本發明實施例的目的在于提供一種基于大數據的效果預測方法，進而至少在一定程度上克服對預測數據的預測精度低的問題。

本發明的其他特性和優點將通過下面的詳細描述變得顯然，或部分地通過本發明的實踐而習得。

根據本發明實施例的第一方面，提供了一種基于大數據的效果預測方法，包括：

按照時間序列獲取歷史數據對應的多個時間段，并從歷史數據的多個影響參數中確定各時間段對應的關鍵影響參數；

將各時間段對應的歷史數據與所述各時間段對應的關鍵影響參數的參數值作為訓練集，訓練機器學習模型；

確定待預測目標時間段的關鍵影響參數，并將所述關鍵影響參數的多個參數值輸入訓練后的所述機器學習模型；

根據所述機器學習模型的輸出結果，確定所述待預測目標時間段的預測數據，以得到預測效果。

在本發明的一種示例實施例中，得到所述待預測目標時間段的預測數據之后包括：

計算所述待預測目標時間段的預測數據在所述歷史數據基礎上的提升比例，以得到所述預測數據的預測效果。

在本發明的一種示例實施例中，得到所述待預測目標時間段的預測數據之后還包括：

獲取待預測目標時間段的真實數據，驗證所述提升比例是否正確；

在所述提升比例不正確時，將所述真實數據和所述關鍵影響參數的多個參數值加入所述訓練集，訓練所述機器學習模型。

在本發明的一種示例實施例中，所述從歷史數據的多個影響參數中確定各時間段對應的關鍵影響參數包括：

分析各時間段對應的歷史數據與所述多個影響參數的相關性；

選取所述相關性最大的影響參數作為對應時間段的關鍵影響參數。