[发明专利]提高监控准确性的方法、装置、设备和计算机可读介质

说明书

本发明公开了提高监控准确性的方法、装置、设备和计算机可读介质，涉及计算机技术领域。该方法的一具体实施方式包括：将监控对象所在地理位置，所述监控对象附近场所信息，以及所述地理位置与所述附近场所的距离，作为监控参数；将部分监控参数输入第一预测子模型，得到第一预测结果；将所述监控参数，输入第二预测子模型，得到第二预测结果；将所述监控参数，输入第三预测子模型，得到第三预测结果；将所述第一预测结果、所述第二预测结果、所述第三预测结果和所述监控参数，输入第四预测子模型；得到监控模型，采用所述监控模型进行监控。该实施方式能够提高监控准确性。

技术领域

本发明涉及计算机技术领域，尤其涉及一种提高监控准确性的方法、装置、设备和计算机可读介质。

背景技术

目前，随着经济和社会的发展，房产成为最重要的资产。由于需要监控房产的价值，则对房产估值一般采用市场比较法。市场比较法是在相对活跃的市场上寻找一定数量的可比实例，再根据估值目标与可比实例的具体细节上的差异进行修正，最后得出比准价格。但是，市场比较法并不适合不活跃市场。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：利用机器学习模型，在有足够多的训练样本的情况下，可以保证监控准确性。但在训练样本较少的情况下，难以确保监控准确性。

发明内容

有鉴于此，本发明实施例提供一种提高监控准确性的方法、装置、设备和计算机可读介质，能够提高监控准确性。

为实现上述目的，根据本发明实施例的一个方面，提供了一种提高监控准确性的方法，包括：

将监控对象所在地理位置，所述监控对象附近场所信息，以及所述地理位置与所述附近场所的距离，作为监控参数；

将监控对象所在地理位置，所述监控对象附近场所信息，以及所述地理位置与所述附近场所的距离中一种或二种，输入第一预测子模型，得到第一预测结果，所述第一预测子模型是基于XGBoost模型建立的；

将所述监控参数，输入第二预测子模型，得到第二预测结果，所述第二预测子模型是基于XGBoost模型建立的；

将所述监控参数，输入第三预测子模型，得到第三预测结果，所述第三预测子模型是基于随机森林模型建立的；

将所述第一预测结果、所述第二预测结果、所述第三预测结果和所述监控参数，输入第四预测子模型，所述第四预测子模型基于XGBoost模型建立的；

按照所述第四预测子模型的输出结果和所述监控参数的实际结果，训练所述第一预测子模型、所述第二预测子模型、所述第三预测子模型和所述第四预测子模型，得到监控模型，所述监控模型包括训练得到的第一预测子模型、训练得到的第二预测子模型、训练得到的第三预测子模型和训练得到的第四预测子模型；

采用所述监控模型进行监控。

所述将监控对象所在地理位置，所述监控对象附近场所信息，以及所述地理位置与所述附近场所的距离，作为监控参数之前，还包括：

将监控对象所在的行政区，作为所述监控对象所在地理位置。

所述将监控对象所在地理位置，所述监控对象附近场所信息，以及所述地理位置与所述附近场所的距离，作为监控参数之前，还包括：

将监控对象所在的行政区的小区，作为所述监控对象所在地理位置。

所述监控对象所在地理位置包括行政区、楼层、建筑面积和朝向。

所述监控对象所在地理位置还包括以下一种或多种，所述监控对象的客厅面积、所述客厅朝向、所述监控对象的房间数量、所述房间的面积、所述房间的朝向、所述监控对象的厨房面积、所述厨房的朝向、所述监控对象的卫生间朝向。

所述方法还包括：