[發明專利]構建件量預測模型的方法和裝置

在審

• 申請號: 201910016643.8
• 申請日: 2019-01-08
• 公開（公告）號: CN111415027A
• 公開（公告）日: 2020-07-14
• 發明（設計）人: 蘇德嘉;許勝;化文文;王本玉;湛長蘭;金晶
• 申請（專利權）人: 順豐科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/08
• 代理公司: 北京志霖恒遠知識產權代理事務所(普通合伙) 11435
• 代理人: 成丹

1.一種構建件量預測模型的方法，其特征在于：

獲取歷史件量數據；

重復k次從所述歷史件量數據中隨機選取預設范圍的件量數據，所述k為自然數；

基于預設的時間序列規則，將所述預設范圍的件量數據劃分為訓練集和驗證集，所述時間序列規則為所述訓練集的件量日期小于所述驗證集的件量日期；

采用所述訓練集和所述驗證集對預設機器學習模型的參數進行優化訓練，得到件量預測模型。

2.根據權利要求1所述的構建件量預測模型的方法，其特征在于，對每組預設范圍的件量數據，將所述預設范圍的件量數據劃分為訓練集和驗證集，包括：

確定所述訓練集和所述驗證集的比例；

根據預設的時間序列規則，將所述預設范圍的件量數據按照所述比例劃分為所述訓練集和所述驗證集。

3.根據權利要求1所述的構建件量預測模型的方法，其特征在于，采用所述訓練集和所述驗證集對機器學習模型的參數進行優化訓練，得到件量預測模型，包括：

將所述k組預設范圍的件量數據分別輸入預設機器學習模型進行訓練，得到k個參數不同的機器學習模型；

根據所述k個參數不同的機器學習模型中，確定件量預測模型。

4.根據權利要求3所述的構建件量預測模型的方法，其特征在于，根據所述k個參數不同的機器學習模型中，確定件量預測模型，包括：

確定所述k個參數不同的機器學習模型的性能指標，所述性能指標包括準確率；

將所述性能指標最優的機器學習模型確定為件量預測模型。

5.根據權利要求1所述的構建件量預測模型的方法，所述方法還包括：

獲取待預測件量數據；

將所述待預測件量數據輸入所述件量預測模型進行件量預測。

6.一種構建件量預測模型的裝置，其特征在于，所述裝置包括：

第一獲取模塊，用于獲取歷史件量數據；

選取模塊，用于重復k次從所述歷史件量數據中隨機選取預設范圍的件量數據，所述k為自然數；

劃分模塊，用于基于預設的時間序列規則，將所述預設范圍的件量數據劃分為訓練集和驗證集，所述時間序列規則為所述訓練集的件量日期小于所述驗證集的件量日期；

確定模塊，用于采用所述訓練集和所述驗證集對預設機器學習模型的參數進行優化訓練，得到件量預測模型。

7.根據權利要求6所述的構建件量預測模型的裝置，其特征在于，所述劃分模塊，包括：

第一確定單元，用于確定所述訓練集和所述驗證集的比例；

劃分單元，用于根據預設的時間序列規則，將所述預設范圍的件量數據按照所述比例劃分為所述訓練集和所述驗證集。

8.根據權利要求6所述的構建件量預測模型的裝置，其特征在于，所述確定模塊，包括：

第二確定單元，用于將所述k組預設范圍的件量數據分別輸入預設機器學習模型進行訓練，得到k個參數不同的機器學習模型；

第三確定單元，用于根據所述k個參數不同的機器學習模型中，確定件量預測模型。

9.根據權利要求8所述的構建件量預測模型的裝置，其特征在于，所述第三確定單元，具體用于：

確定所述k個參數不同的機器學習模型的性能指標，所述性能指標包括準確率；

將所述性能指標最優的機器學習模型確定為件量預測模型。

10.根據權利要求6所述的構建件量預測模型的裝置，其特征在于，所述裝置包括：

第二獲取模塊，用于獲取待預測件量數據；

件量預測模塊，用于將所述待預測件量數據輸入所述件量預測模型進行件量預測。