[发明专利]基于机器学习的预测分类方法、装置和计算机设备

权利要求书

1.一种基于机器学习的预测分类方法，其特征在于，包括：

获取经济数据集，其中，所述经济数据集包括在时间上延续N条经济数据，每条所述经济数据包括M个经济特征，其中，N和M均为自然数；

确定每条所述经济数据对应的分类结果，其中，所述分类结果包括第一结果和第二结果；

根据所述经济数据集和每条所述经济数据对应的分类结果构建P个第一数据集，其中，所述第一数据集包括若干条所述经济数据和对应的所述分类结果，且所述第一数据集中的所述经济数据在时间上不延续，P为自然数；

根据所述经济数据构建输入特征，将所述经济数据对应的分类结果作为输出，针对每个所述第一数据集构建初始机器学习模型，并进行W折交叉验证，得到W*P个训练好的机器学习模型；

在所述W*P个训练好的机器学习模型中按照预设要求选择若干最终模型；

根据待预测经济数据构建待预测输入特征，并将所述待预测输入特征输入至所述最终模型，以得到预测分类结果。

2.根据权利要求1所述的基于机器学习的预测分类方法，其特征在于，采用以下方法构建P个第一数据集：

以P为间隔将所述经济数据集进行分割，得到Q个数据集单元，其中，P*Q小于或等于N；

将各个所述数据集单元中相同位置的所述经济数据及其对应的所述分类结果划分为同一数据集，以得到所述第一数据集。

3.根据权利要求2所述的基于机器学习的预测分类方法，其特征在于，根据所述经济数据构建输入特征的步骤包括：

获取所述第一数据集中的第一经济数据，其中，所述第一经济数据为所述第一数据集中的任意一条所述经济数据，所述第一经济数据包括第1至第n经济特征；

确定时间区间集合{t1,t2,...tm}；

在所述经济数据集中获取第x经济特征之前且与所述第x经济特征属于同类的ty个经济特征的平均值，作为所述第x经济特征对应的第y维特征，其中，x＝1,2,...,n，y＝1,2,...,m；

将所述第一经济数据中的每个经济特征对应的m维特征作为所述输入特征。

4.根据权利要求3所述的基于机器学习的预测分类方法，其特征在于，在所述W*P个训练好的机器学习模型中按照预设要求选择若干最终模型的步骤包括：

获取所述W*P个训练好的机器学习模型中AUC大于60％的机器学习模型作为所述最终模型。

5.根据权利要求4所述的基于机器学习的预测分类方法，其特征在于，

所述经济数据包括以下至少一种经济特征：股票成交价格、成交量、估值和指数市值；

所述第一结果为股市第一风格，所述第二结果为股市第二风格；

P＝22，m＝10。

6.一种基于机器学习的预测分类装置，其特征在于，包括：

获取模块，用于获取经济数据集，其中，所述经济数据集包括在时间上延续N条经济数据，每条所述经济数据包括M个经济特征，其中，N和M均为自然数；

确定模块，用于确定每条所述经济数据对应的分类结果，其中，所述分类结果包括第一结果和第二结果；

构建模块，用于根据所述经济数据集和每条所述经济数据对应的分类结果构建P个第一数据集，其中，所述第一数据集包括若干条所述经济数据和对应的所述分类结果，且所述第一数据集中的所述经济数据在时间上不延续，P为自然数；

训练模块，用于根据所述经济数据构建输入特征，将所述经济数据对应的分类结果作为输出，针对每个所述第一数据集构建初始机器学习模型，并进行W折交叉验证，得到W*P个训练好的机器学习模型；

选取模块，用于在所述W*P个训练好的机器学习模型中按照预设要求选择若干最终模型；

预测模块，用于根据待预测经济数据构建待预测输入特征，并将所述待预测输入特征输入至所述最终模型，以得到预测分类结果。