[发明专利]基于机器模型的信息预测方法、装置、设备及存储介质

说明书

本发明公开了一种基于机器模型的信息预测方法、装置、设备及存储介质，所述方法包括：获取当前用户信息以及N个预设参考基模型，所述N大于等于2；从所述当前用户信息中确定初始训练集数据和初始验证集数据；提取所述预设参数基模型中的预设初始基模型，根据所述初始训练集数据和所述初始验证集数据对所述预设初始基模型进行预测，得到预设预测数据；将所述预设预测数据输入下一初始基模型，通过所述下一初始基模型进行预测，得到下一预测数据；在预测次数达到所述预设参考基模型的模型数量N时，停止预测，得到第N预测数据，将所述第N预测数据作为目标预测数据，从而通过融合的方式结合各个基模型的预测结果，保证续保预测的准确性。

技术领域

本发明涉及的数据处理领域，尤其涉及一种基于机器模型的信息预测方法、装置、设备及存储介质。

背景技术

目前市场上的续保预测方法，主要以单模型方法为主，通过获取当前用户的保险数据，根据所述保险数据基于某一初始模型的基础上建立续保预测模型，从而实现对续保用户的预测，但是针对保险行业数据稀疏和非线性数据的特点，一般情况下，当前续保预测模型明显存在预测精度不高的问题。

发明内容

本发明的主要目的在于提出一种基于机器模型的信息预测方法、装置、设备及存储介质，旨在提高续保预测的准确性。

为实现上述目的，本发明提供一种基于机器模型的信息预测方法，所述基于机器模型的信息预测方法包括以下步骤：

获取当前用户信息以及N个预设参考基模型，所述N大于等于2；

从所述当前用户信息中确定初始训练集数据和初始验证集数据；

提取所述预设参数基模型中的预设初始基模型，根据所述初始训练集数据和所述初始验证集数据对所述预设初始基模型进行预测，得到预设预测数据；

将所述预设预测数据输入下一初始基模型，通过所述下一初始基模型进行预测，得到下一预测数据；

在预测次数达到所述预设参考基模型的模型数量N时，停止预测，得到第N预测数据，将所述第N预测数据作为目标预测数据。

优选地，所述从所述当前用户信息中确定初始训练集数据和初始验证集数据，包括：

获取当前划分规则，提取所述当前划分规则中的划分比例；

根据所述划分比例对所述当前用户信息进行划分；

根据划分结果提取所述当前用户信息中的初始训练集数据和初始验证集数据。

优选地，所述预设参考基模型包括逻辑回归模型、随机森林模型以及梯度提升决策树中至少两项；

所述提取所述预设参数基模型中的预设初始基模型，根据所述初始训练集数据和所述初始验证集数据对所述预设初始基模型进行预测，得到预设预测数据，包括：

获取所述预设参考基模型的模型数量N，将所述N作为所述训练层数信息；

将所述预设参考基模型根据训练层数按照由少到多的顺序进行排序，将排序后训练层数最少的预设参考基模型作为所述预设初始基模型；

将所述初始训练集数据分为第一训练集数据和第一验证集数据，将所述第一训练集数据输入所述预设初始基模型进行训练，得到第一预测模型，根据所述第一预测模型对所述第一验证集数据进行预测，得到第一参考预测数据；

将所述初始验证集数据放入所述第一预测模型进行预测，得到第一初始预测数据；

将所述第一参考预测数据和所述第一初始预测数据作为所述预设预测数据。

优选地，所述将所述预设预测数据输入下一初始基模型，通过所述下一初始基模型进行预测，得到下一预测数据，包括：