[发明专利]电池分选参数的选取方法、装置、计算机设备和存储介质

权利要求书

1.一种电池分选参数的选取方法，其特征在于，所述方法包括：

获取电池分选的多个特征字段，以及各所述特征字段对应的多个分选参数的历史数据，并根据获取的多个所述特征字段和多个所述历史数据形成原始数据集；

通过训练XGBoost模型从所述原始数据集中选取出目标数据集；

根据所述目标数据集输出各所述分选参数的目标重要度值；

根据所述目标重要度值确定所述目标数据集中多个所述分选参数中的至少一个作为目标参数。

2.根据权利要求1所述的方法，其特征在于，所述通过训练XGBoost模型从所述原始数据集中选取出目标数据集，包括：

根据所述原始数据集训练第一XGBoost模型，并获取所述第一XGBoost模型的第一预测准确率；

选择多个所述特征字段中的一个作为备选字段，并根据所述备选字段和所述备选字段对应的多个所述分选参数的历史数据形成备选子数据集；

根据所述备选子数据集训练第二XGBoost模型，并获取所述第二XGBoost模型的第二预测准确率；

当预测差值满足预设条件时，确定当前的所述备选子数据集作为所述目标数据集，所述预测差值为第二预测准确率与第一预测准确率之间的差值。

3.根据权利要求2所述的方法，其特征在于，所述选择多个所述特征字段中的一个作为备选字段前，还包括：

根据所述第一XGBoost模型获取所述原始数据集中每个所述特征字段的训练次序值；

按照从小到大的顺序对所述训练次序值对应的多个所述特征字段进行排序，以获取字段训练序列；

所述选择多个所述特征字段中的一个作为备选字段，包括：

选择所述字段训练序列中的第一个特征字段作为所述备选字段。

4.根据权利要求2或3所述的方法，其特征在于，所述当预测差值满足预设条件时，确定当前的所述备选子数据集作为所述目标数据集，包括：

当预测差值小于或者等于差值阈值时，确定当前的所述备选子数据集为目标数据集。

5.根据权利要求3所述的方法，其特征在于，通过训练XGBoost模型从所述原始数据集中选取出目标数据集，还包括：

当所述预测差值不满足预设条件时，选择所述字段训练序列中的下一个特征字段作为新的所述备选字段，根据新的所述备选字段更新所述备选子数据集；

根据更新后的所述备选子数据重复执行所述根据所述备选子数据集训练第二XGBoost模型的步骤，直至更新后的所述第二XGBoost模型的预测差值满足所述预设条件。

6.根据权利要求2所述的方法，其特征在于，所述根据所述原始数据集训练第一XGBoost模型，并获取所述第一XGBoost模型的第一预测准确率，包括：

根据所述原始数据集构造样本训练集及样本测试集；

根据所述样本训练集训练所述第一XGBoost模型；

根据所述样本测试集测试所述第一XGBoost模型，以获取所述第一预测准确率。

7.根据权利要求1所述的方法，其特征在于，所述分选参数的历史数据包括静态分选参数数据和动态分选参数数据。

8.一种电池分选参数的选取装置，其特征在于，所述装置包括：

采集模块，用于获取电池分选的多个特征字段，以及各所述特征字段对应的多个分选参数的历史数据，并根据获取的多个所述特征字段和多个所述历史数据形成原始数据集；

训练模块，用于通过训练XGBoost模型从所述原始数据集中选取出目标数据集；

输出模块，用于根据所述目标数据集输出中各所述分选参数的目标重要度值；

确定模块，用于根据所述目标重要度值确定所述目标数据集中多个所述分选参数中的至少一个作为目标参数。

9.一种计算机设备，其特征在于，包括：

处理器；及

存储器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如上述权利要求1至7中任意一项所述的方法的步骤。

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述权利要求1至7中任意一项所述的方法的步骤。