[發明專利]一種網點業務量預測模型的訓練方法、裝置及系統

有效

• 申請號: 202010225143.8
• 申請日: 2020-03-26
• 公開（公告）號: CN111506575B
• 公開（公告）日: 2023-10-24
• 發明（設計）人: 謝金欣;鄭佳爾
• 申請（專利權）人: 第四范式（北京）技術有限公司
• 主分類號: G06F16/22
• 分類號: G06F16/22;G06F16/2458;G06F18/214;G06N3/0464;G06N20/00;G06Q10/04
• 代理公司: 北京博雅睿泉專利代理事務所(特殊普通合伙) 11442
• 代理人: 馬鐵良

本發明提供了一種網點業務量預測模型的訓練方法、裝置及系統，該方法包括：獲取網點的歷史業務數據；根據歷史業務數據構建第一樣本集；其中，第一樣本集中的每一條第一樣本包括預設的初始特征的特征值，初始特征至少包括網點業務量；獲取預設的至少一組配置信息和選定的初始特征；根據配置信息對對應的選定的初始特征進行配置，得到對應的合成特征；基于預設的機器學習算法和合成特征，根據第一樣本集進行機器學習訓練，得到網點業務量預測模型。

技術領域

本發明涉及模型訓練技術領域，更具體地，涉及一種網點業務量預測模型的訓練方法、一種網點業務量預測模型的訓練裝置、一種包括至少一個計算裝置和至少一個存儲裝置的系統、及一種計算機可讀存儲介質。

背景技術

機器學習是人工智能的核心，是使計算機具有智能的根本途徑，其應用遍及人工智能的各個領域。

在現有技術中，通常會基于機器學習模型，根據網點的歷史業務量來預測網點的未來業務量，以供網點根據預測的未來業務量進行人員配置。

但是，現有的機器學習模型在訓練過程中所使用的特征的特征值，通常是業務數據中所能夠直接使用的值，且特征較為單一，數量較少，導致用于預測網點業務量的機器學習模型的預測結果不夠精確。

發明內容

本發明的一個目的是提供一種訓練網點業務量預測模型的新技術方案。

根據本發明的第一方面，提供了一種網點業務量預測模型的訓練方法，包括：

獲取網點的歷史業務數據；

根據所述歷史業務數據構建第一樣本集；其中，所述第一樣本集中的每一條第一樣本包括預設的初始特征的特征值，所述初始特征至少包括網點業務量；

獲取預設的至少一組配置信息和選定的初始特征；

根據所述配置信息對對應的選定的初始特征進行配置，得到對應的合成特征；

基于預設的機器學習算法和所述合成特征，根據所述第一樣本集進行機器學習訓練，得到網點業務量預測模型。

可選的，所述根據所述歷史業務數據構建第一樣本集包括：

根據所述歷史業務數據，生成關于預設對象的拼接數據表；

根據所述拼接數據表，構建所述第一樣本集。

可選的，所述歷史業務數據包括多個數據表，

所述方法還包括：

對每一所述數據表的統計周期進行統一處理。

可選的，所述歷史業務數據為多個數據表，

所述根據所述歷史業務數據，生成關于預設對象的拼接數據表包括：

以所述預設對象作為主鍵，將所述多個數據表進行拼接處理，得到所述拼接數據表。

可選的，還包括：

提供用于輸入所述配置信息的第一輸入框；

通過所述第一輸入框獲取所述配置信息。

可選的，還包括：

響應于指定操作，提供所述初始特征，供用戶選擇；

將用戶選中的初始特征作為所述選定的初始特征；

或者，

提供用于輸入所述選定的初始特征的第二輸入框；

通過所述第二輸入框獲取所述選定的初始特征。

可選的，所述配置信息包括以下至少一項：歸并維度、歸并方式、滑窗大小和數據回流時間。