[發明專利]數據預測方法、裝置、設備及存儲介質

在審

• 申請號: 202010466420.4
• 申請日: 2020-05-28
• 公開（公告）號: CN111626879A
• 公開（公告）日: 2020-09-04
• 發明（設計）人: 朱建林;周勇;李傲梅;柴敏;周景
• 申請（專利權）人: 泰康保險集團股份有限公司;泰康人壽保險有限責任公司
• 主分類號: G06Q40/08
• 分類號: G06Q40/08;G06N3/04;G06N3/08;G06Q10/04
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 朱穎;臧建明

本發明實施例提供一種數據預測方法、裝置、設備及存儲介質，該方法包括：獲取目標客戶的特征數據，所述目標客戶為待預測缺口保額的客戶；根據所述目標客戶的特征數據，通過第一目標模型，得到所述目標客戶的多個第一目標收入值；根據所述目標歷史收入值和所述目標客戶的特征數據，通過第二目標模型，得到所述目標客戶當前的預測收入值。本實施例提供的方法能夠克服在保險領域現有技術針對客戶的收入值預測精度較低的問題。

技術領域

本發明實施例涉及數據處理技術領域，尤其涉及一種數據預測方法、裝置、設備及存儲介質。

背景技術

隨著技術的發展，現在對數據的預測方法各式各樣，可以應用到不同的領域。因此，在不同的領域，對于數據預測均有著重要意義。

例如，在保險行業，可以對保險客戶的缺口保額預測(缺口保額或保費缺口是指客戶每年需要配置在保險領域的資產額度)，進一步地為客戶提供優質服務。目前有運用線性回歸的方法，基于客戶信息中記錄的繳納的3-6個月保險費用，來預測保險客戶未來時間可以繳納的保險費用，進一步地預測出保險客戶的缺口保額。

但是，在保險領域現有技術針對客戶的收入值預測精度較低。

發明內容

本發明實施例提供一種數據預測方法、裝置、設備及存儲介質，以克服在保險領域現有技術針對客戶的收入值預測精度較低的問題。

第一方面，本發明實施例提供一種數據預測方法，包括：

獲取目標客戶的特征數據，所述目標客戶為待預測缺口保額的客戶；

根據所述目標客戶的特征數據，通過第一目標模型，得到所述目標客戶的多個第一目標收入值，所述第一目標模型是根據多個歷史客戶中的每個歷史客戶的特征數據，對LightGBM模型訓練得到的，所述多個第一目標收入值包括所述目標客戶在多個預設歷史時間段中的每個所述預設歷史時間段對應的目標歷史收入值；

根據所述目標歷史收入值和所述目標客戶的特征數據，通過第二目標模型，得到所述目標客戶當前的預測收入值，所述第二目標模型是以通過所述LightGBM模型得到的每個所述歷史客戶在每個所述歷史時間段對應的多個第一歷史收入值和每個所述歷史客戶的特征數據為訓練樣本，對 LSTM模型訓練得到的。

可選地，在通過第一目標模型，得到所述目標客戶的多個第一目標收入值之前，所述方法還包括：

獲取每個所述歷史客戶的特征數據，所述歷史客戶的特征數據包括：年齡、職業、民族、性別、學歷、消費指標以及實際收入值；

對所述年齡、職業、民族、性別、學歷、消費指標以及實際收入值進行預處理，得到所述年齡、職業、民族、性別、學歷、消費指標以及實際收入值分別對應的標簽值，所述標簽值用于表示所述特征數據的標識符；

以每個所述歷史客戶對應的所述標簽值為一個第一樣本，形成第一訓練集和第一驗證集，所述第一訓練集和所述第一驗證集合并為全集且所述第一訓練集和所述第一驗證集無交集；

根據所述第一訓練集中的第一樣本，對所述LightGBM模型進行訓練，得到訓練后的LightGBM模型；

根據所述第一驗證集中的第一樣本，對所述訓練后的LightGBM模型進行驗證，得到所述第一驗證集中的第一樣本對應的待校驗收入值；

若所述第一驗證集中的第一樣本包含的所述實際收入值與所述第一驗證集中的第一樣本對應的待校驗收入值之間的誤差在第一預設誤差范圍內，則將所述訓練后的LightGBM模型作為所述第一目標模型。

可選地，在得到所述第一目標模型之后，所述方法還包括：