[发明专利]一种业务预测模型的训练方法及装置

说明书

本发明公开了一种业务预测模型的训练方法及装置，涉及数据处理技术领域，主要技术方案包括：获取指定业务的训练样本数据集，训练样本数据集中的各训练样本数据均具有其各自的原始标签值；指定业务至少为：预测零售商品的销量、预测银行借贷产品的逾期参数值或收益参数值和预测金融产品的收益参数值；基于各训练样本数据的原始标签值和标签阈值，确定各训练样本数据的二分类标签值；基于训练样本数据集中各训练样本数据及其各自对应的二分类标签值进行二分类训练得到二分类模型；基于训练样本数据集中具有第一二分类标签值的各训练样本数据及其各自对应的原始标签值进行回归训练得到回归模型；组合二分类模型和回归模型得到业务预测模型。

技术领域

本发明涉及数据处理技术领域，特别是涉及一种业务预测模型的训练方法及装置。

背景技术

随着数据处理技术的不断发展，预测金融产品的收益参数值等业务预测场景下的数据预测由于能够预测出大量的有价值或无价值的数据，使得业务预测场景成为了主要的数据处理场景之一。

目前，预测金融产品的收益参数值等业务预测场景下数据预测常用的指标至少包括：平均绝对误差、均方根误差、平均绝对百分误差和对称平均绝对百分误差。直接使用平均绝对误差和均方根误差等指标时，由于这些指标会随着样本待预测数据的标签值的变化而变化，导致数据预测出现大的误差。而一旦金融产品的待预测数据的出现大量收益参数值出现零值时，直接使用包括平均绝对百分误差和对称平均绝对百分误差等指标时，会出现零值分母的问题，导致使用的指标失去预测意义。可见，现有的方式，预测金融产品的收益参数值等业务预测场景下的数据预测准确度较低。

发明内容

有鉴于此，本发明提出了一种业务预测模型的训练方法及装置，主要目的在于能够提高业务预测场景下的数据预测的准确度。

第一方面，本发明提供了一种业务预测模型的训练方法，该方法包括：

获取指定业务的训练样本数据集，其中，所述训练样本数据集中包括多个训练样本数据，各训练样本数据均具有其各自的原始标签值；其中，所述指定业务至少为如下中的任一种：预测零售商品的销量、预测银行借贷产品的逾期参数值或收益参数值以及预测金融产品的收益参数值；

基于各训练样本数据的原始标签值和预设标签阈值，确定各训练样本数据的二分类标签值；

基于所述训练样本数据集中各训练样本数据及其各自对应的二分类标签值进行二分类训练，得到二分类模型；以及，基于所述训练样本数据集中具有第一二分类标签值的各训练样本数据及其各自对应的原始标签值进行回归训练，得到回归模型；

组合所述二分类模型和所述回归模型得到业务预测模型。

第二方面，本发明提供了一种业务预测方法，该方法包括：

采用针对指定业务的业务预测模型，对所述指定业务的待预测数据集中的各待预测数据进行预测，得到各所述待预测数据的预测值；其中，所述业务预测模型由二分类模型和回归模型组合而成；

基于各所述待预测数据的预测值对所述指定业务进行预测。

第三方面，本发明提供了一种业务预测模型的训练装置，该装置包括：

获取单元，用于获取指定业务的训练样本数据集，其中，所述训练样本数据集中包括多个训练样本数据，各训练样本数据均具有其各自的原始标签值；其中，所述指定业务至少为如下中的任一种：预测零售商品的销量、预测银行借贷产品的逾期参数值或收益参数值以及预测金融产品的收益参数值；

确定单元，用于基于各训练样本数据的原始标签值和预设标签阈值，确定各训练样本数据的二分类标签值；