[发明专利]预测用户概率的方法、装置和计算机设备

权利要求书

1.一种预测用户概率的方法，其特征在于，包括：

按照业务属性确认数据分析周期；

搜集指定时间段内各用户的行为表现数据，其中，所述指定时间段属于所述数据分析周期内的连续时间段；

将所有用户的行为表现数据输入无监督学习模型，依据预设的聚类群数量进行聚类分析，得到所述预设的聚类群数量对应的各聚类群；

根据各所述聚类群建立监督学习的分类模型并进行训练，得到预测用户流失概率的模型；

根据待分析用户的行为表现数据，通过所述预测用户流失概率的模型，得到所述待分析用户流失概率的预测结果。

2.根据权利要求1所述的预测用户概率的方法，其特征在于，所述根据各所述聚类群建立监督学习的分类模型并进行训练，得到预测用户流失概率的模型的步骤，包括：

判断所有用户的行为表现数据对应的数据量是否超过预设数据量；

若是，则创建与各所述聚类群分别对应的二分类模型；

通过指定聚类群中的数据，训练与所述指定聚类群对应的二分类模型，其中，所述指定聚类群属于各所述聚类群中的任一聚类群；

按照所述指定聚类群对应的二分类模型的训练方式，训练得到各所述聚类群分别对应的二分类模型；

将各所述聚类群分别对应的二分类模型，作为预测用户流失概率的模型。

3.根据权利要求2所述的预测用户概率的方法，其特征在于，所述根据待分析用户的行为表现数据，通过所述预测用户流失概率的模型，得到所述待分析用户流失概率的预测结果的步骤，包括：

将所述待分析用户的行为表现数据，输入所述无监督学习模型，得到所述待分析用户的行为表现数据对应的指定聚类标签；

根据所述指定聚类标签，确定与所述指定聚类标签匹配的指定二分类模型；

将所述待分析用户的行为表现数据输入至所述指定二分类模型中；

将所述指定二分类模型的输出结果，作为所述待分析用户流失概率的预测结果。

4.根据权利要求2所述的预测用户概率的方法，其特征在于，所述判断所有用户的行为表现数据对应的数据量是否超过预设数据量的步骤之后，包括：

若否，则获取各所述聚类群分别对应的聚类标签；

将所述聚类标签，分别与所述聚类标签对应的聚类群中的数据结合，形成新数据集；

通过所述新数据集训练预设二分类模型，得到预测用户流失概率的模型。

5.根据权利要求1所述的预测用户概率的方法，其特征在于，将所有用户的行为表现数据输入无监督学习模型，依据预设的聚类群数量进行聚类分析，得到所述预设的聚类群数量对应的各聚类群的步骤，包括：

获取预设的聚类群数量；

根据所述预设的聚类群数量，通过预设聚类方法得到分类簇；

根据各所述分类簇中样本的轮廓系数，判断各所述分类簇中的样本分类是否合理；

若是，则将各所述分类簇作为所述预设的聚类群数量对应的各聚类群。

6.根据权利要求5所述的预测用户概率的方法，其特征在于，所述根据各所述分类簇中样本的轮廓系数，判断各所述分类簇中的样本分类是否合理的步骤，包括：

根据第一计算公式计算指定样本，在各聚类群数量下对应的轮廓系数，其中，所述指定样本为所有用户的行为表现数据中的任一数据样本；

根据第二计算公式计算所述指定样本与所述指定样本之外的样本，在多维空间的欧式距离；

根据所述欧式距离，判断所述指定样本在所述预设的聚类群数量下的轮廓系数，是否为各聚类群数量下对应的轮廓系数中的最优轮廓系数；

若是，则判定所述指定样本对应的分类簇合理，否则不合理。

7.根据权利要求6所述的预测用户概率的方法，其特征在于，所述第一计算公式为其中，s(i)为所述指定样本的轮廓系数，a(i)为所述指定样本的簇内相似度，b(i)为所述指定样本的簇间不相似度；

所述第二计算公式为：其中q表示所述指定样本对应的数据点，x表示所述指定样本之外的样本对应的数据点，D表示D维空间，d(q,x)表示所述指定样本对应的数据点与所述指定样本之外的样本对应的数据点在D维空间上的距离。