[发明专利]商业服务模型的自动化建模方法

说明书

商业服务模型的自动化建模方法，该方法包括构建模型、训练模型、评估模型、应用模型，并在训练模型和应用模型的过程中进行持续性的数据探索和模型调优；构建模型：通过上传训练集进行清理数据，挖掘数据，转换数据和编写数据，自动化快速匹配算法模型，并提供多个维度评估模型质量；训练模型：利用机器学习技术通过测试集来训练模型；应用模型：将模型应用到真实业务场景中验证模型，通过测试集评估、优化模型完成后根据业务需求输出可视化的图表报告。本发明提供一种针对全行业的涵盖了数据挖掘程序、机器学习、人工智能程序模块的大数据技术自动建模方法。

技术领域

本发明属于信息技术领域，具体涉及自动建模技术。

背景技术

对于日益激烈的市场环境，企业为提高市场竞争力，再生产制造过程，供应链，销售，物流等经营过程中收集数据、分析挖掘，用于过程精细化流程控制，大数据分析和挖掘方法为企业完成大数据落地提供了方法支持。目前市场上的数据建模技术主要还是掌握在数据科学家手上，普通用户不仅无法支付高昂的费用来雇佣他们进行数据挖掘的建模环节，而且找到这样的人来为他们提供这项服务也是有困难的。

发明内容

本发明所要解决的技术问题是：根据给定的数据集，自动进行清理数据，挖掘数据，转换数据和编写数据，最后自动建立统计模型，提供一种针对全行业的涵盖了数据挖掘程序、机器学习、人工智能程序模块的大数据技术自动建模方法。

本发明为解决上述技术问题采用以下技术方案：

商业服务模型的自动化建模方法，该方法包括构建模型、训练模型、评估模型、应用模型，并在训练模型和应用模型的过程中进行持续性的数据探索和模型调优；

构建模型：通过上传训练集进行清理数据，挖掘数据，转换数据和编写数据，自动化快速匹配算法模型，并提供多个维度评估模型质量；

训练模型：利用机器学习技术通过测试集来训练模型；

应用模型：将模型应用到真实业务场景中验证模型，通过测试集评估、优化模型完成后根据业务需求输出可视化的图表报告。

a.构建模型过程依次包括：上传数据，合并数据集，用户变量映射到模型变量，变量转换，创建目标变量，数据格式初步处理，数据缺失处理，数据离散值处理，数据分段处理，数据分类，参数特征选择，建立模型，选择算法模型，模型评估，输出模型数据，保存模型，输出可视化智能报告。

b.所述训练模型步骤为选择已经构建好的模型，按照所述构建模型的步骤上传测试集不断训练模型，往复不断的进行各个步骤的的调优，评估模型、优化模型。

c.按照所述训练模型的步骤进行实际的场景应用，选择已构建的模型，根据实际应用导入数据，在场景应用过程中优化数据模型。

进一步的，所述上传数据步骤包括：多数据源接入，建立数据宽表，利用数据库技术将数据引入到所述数据宽表中，并通过相关逻辑关系进行汇总计算。

进一步的，所述创建目标变量过程包括：按照按照时间序列在各个时间点上形成的数值序列，通过观察历史数据预测未来的值。

进一步的，所述模型评估的方法为从多个维度通过雷达图的形式进行对比，评估模型，然后根据雷达图选择需要的模型。

进一步的，判断是否构建目标变量，如不构建目标变量直接进入数据格式初步处理，如构建目标变量则创建目标变量后再进入数据格式初步处理流程。

进一步的，判断是否构进行数据分类，如不进行数据分类直接进入参数特征值选择，如进行数据分类，则进行数据分类后再进入参数特征值选择。

与现有技术相比，本发明具有以下有益效果：