[发明专利]一种用户未来体重预测方法、装置、服务器及存储介质

说明书

本发明实施例公开了一种用户未来体重预测方法、装置、服务器及存储介质。该方法包括：根据用户的历史体重数据生成指定周期长度的用户体重特征数据；根据所述用户体重特征数据的周期长度选择对应的预先训练好的预测模型并输入，输出用户未来预测时间段的预测体重数据。本发明实施例的技术方案，通过使用深度学习回归算法为主的预测模型进行用户未来体重预测，模型算法根据大量大众用户的真实体重变化数据，推算拟合人的体重变化规律，将规律应用到当前需要进行预测操作的用户上，而且模型可以通过额外引入当前用户的体重变化数据进行训练，让模型预测结果能体现个体差异。

技术领域

本发明实施例涉及体重预测领域，尤其涉及一种用户未来体重预测方法、装置、服务器及存储介质。

背景技术

随着生活水平的提高，肥胖人群逐年增长，而肥胖人群的身体健康及其如何减肥也自然成了大家的关注点。很多人开始通过不同手段进行减肥，但经过很长时间的努力后却可能发现效果远不及预期，甚至适得其反。正是因为无法预知减肥效果，只有在到达原计划的减肥节点后才能知道自己的体重变化，一旦过程选择的减肥方法错误，将造成时间上大量浪费。

目前计算体重变化的方法主要还是根据当日食物摄入量和热量消耗，计算热量差来估算体重。这种计算方式相当于是线性方程，除非严格控制食物摄入量和热量消耗，否则对于次日的数据计算也不准确，更不具有长期预测可行性，同时对于摄入量和热量消耗的统计也很复杂繁琐，不适用于普通人群。

用户缺少预见性的数据来判断自己的减肥方式能否达到自己想要的效果，也无法及时调整减肥方式，因此需要一种基于深度神经网络的体重预测方法及预测系统。

发明内容

本发明实施例提供一种用户未来体重预测方法、装置、服务器及存储介质，以实现输入简单体重数据即可预测未来一段时间内体重变化。

第一方面，本发明实施例提供了一种用户未来体重预测方法，包括：

根据用户的历史体重数据生成指定周期长度的用户体重特征数据；

根据所述用户体重特征数据的周期长度选择对应的预先训练好的深度学习回归模型或线性模型并输入，输出用户未来预测时间段的预测体重数据。

可选的，所述根据用户的历史体重数据生成指定周期长度的用户体重特征数据，包括：

获取用户的历史体重数据；

判断所述历史体重数据是否存在异常值；

若是，则清洗所述异常值，得到清洗后的历史体重数据；

根据所述清洗后的历史体重数据生成指定周期长度的用户体重特征数据。

可选的，所述根据用户的历史体重数据生成指定周期长度的用户体重特征数据之前，还包括对多个基于不同周期长度的深度学习回归模型进行训练，所述对多个基于不同周期长度的深度学习回归模型进行训练包括：

采集大量用户的历史体重测量数据，将所述历史体重测量数据分成训练输入数据和对应的训练输出数据，所述训练输入数据基于不同周期长度设置，所述训练输出数据和训练输入数据对应且基于预测时间段设置；

根据所述训练输入数据生成多个周期长度的历史体重特征数据；

使用对应的所述训练输出数据对所述历史体重特征数据进行标记，以生成多个周期长度的训练样本集；

将所述多个周期长度的训练样本集的每个历史体重特征数据输入至对应周期长度的深度学习回归模型进行训练。

可选的，所述对多个基于不同周期长度的深度学习回归模型进行训练之后，还包括对基于不同周期长度的深度学习回归模型进行检测，所述对基于不同周期长度的深度学习回归模型进行检测包括：