[发明专利]一种目标变量的预测方法、装置及存储介质

权利要求书

1.一种目标变量的预测方法，其特征在于，包括：

获取基于待预测用户的特定用户行为信息，及所述待预测用户所在地区的信息；

根据所述特定用户行为信息、待预测用户所在地区的信息及预置的机器学习模型，确定在所述待预测用户所在地区，基于所述待预测用户的目标变量的第一排序信息；

获取所述待预测用户所在地区的目标变量及其排序信息的第一对应关系；

根据所述第一排序信息及第一对应关系，确定基于所述待预测用户的目标变量值，以对所述待预测用户进行用户画像。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：

确定训练样本，所述训练样本中包括多个样本用户分别对应的特定用户行为信息和所在地区的信息，及各个样本用户的目标变量在所在地区的排序信息；

确定机器学习初始模型；

通过所述机器学习初始模型分别确定各个样本用户的目标变量在所在地区的排序信息的初始结果；

根据所述机器学习初始模型确定的初始结果，调整所述机器学习初始模型中的固定参数值，以得到最终的机器学习模型。

3.如权利要求2所述的方法，其特征在于，当对所述固定参数值的调整满足如下任一停止条件时，则停止对所述固定参数值的调整：

对所述固定参数值的调整次数等于预置的次数，当前调整的固定参数值与上一次调整的固定参数值的差值小于一阈值。

4.如权利要求2所述的方法，其特征在于，所述目标变量为用户收入水平，所述特定用户行为信息包括用户支付金额，所述根据所述特定用户行为信息及预置的机器学习模型，确定在所述待预测用户所在地区，基于所述待预测用户的目标变量的第一排序信息，具体包括：

将所述用户支付金额转化为所述待预测用户所在地区的物品衡量价值；

所述机器学习模型根据所述转换后的物品衡量价值确定所述待预测用户的用户收入水平在所在地区的排序信息。

5.如权利要求1至4任一项所述的方法，其特征在于，所述第一对应关系为目标变量及其排序信息之间基于一个或多个计算参数的函数计算关系，所述获取所述待预测用户所在地区的目标变量及其排序信息的第一对应关系，具体包括：

获取所述待预测用户所在地区的整体目标变量值，及获取多个样本用户分别对应的目标变量值；

根据所述整体目标变量值及多个样本用户分别对应的目标变量值，计算所述一个或多个计算参数分别对应的参数值，并确定所述第一对应关系为目标变量及其排序信息之间基于所述一个或多个计算参数的参数值的函数计算关系。

6.如权利要求5所述的方法，其特征在于，所述目标变量为用户收入水平，所述第一对应关系为用户收入水平及其排序信息之间基于平均值和标准差的对数计算函数。

7.一种目标变量的预测装置，其特征在于，包括：

信息获取单元，用于获取基于待预测用户的特定用户行为信息，及所述待预测用户所在地区的信息；

排序确定单元，用于根据所述特定用户行为信息、所述待预测用户所在地区的信息及预置的机器学习模型，确定在所述待预测用户所在地区，基于所述待预测用户的目标变量的第一排序信息；

关系获取单元，用于获取所述待预测用户所在地区的目标变量及其排序信息的第一对应关系；

变量值确定单元，用于根据所述第一排序信息及第一对应关系，确定基于所述待预测用户的目标变量值，以对所述待预测用户进行用户画像。

8.如权利要求7所述的装置，其特征在于，

所述关系获取单元，具体用于如果所述第一对应关系为目标变量及其排序信息之间基于一个或多个计算参数的函数计算关系，获取所述待预测用户所在地区的整体目标变量值，及获取多个样本用户分别对应的目标变量值；根据所述整体目标变量值及多个样本用户分别对应的目标变量值，计算所述一个或多个计算参数分别对应的参数值，并确定所述第一对应关系为目标变量及其排序信息之间基于所述一个或多个计算参数的参数值的函数计算关系。