[发明专利]客户价值等级预测模型建立方法、装置、介质及设备

权利要求书

1.一种客户价值等级预测模型建立方法，其特征在于，包括：

获取客户样本集；其中，所述客户样本集中包括至少两个样本客户的关联用电数据；

确定所述客户样本集中各个样本客户的客户价值等级；

基于所述客户价值等级对所述客户样本集进行样本标记，并将样本标记后的客户样本集作为训练样本集；

基于所述训练样本集对预设机器学习模型进行训练，生成客户价值等级预测模型。

2.根据权利要求1所述的方法，其特征在于，在基于所述客户价值等级对所述客户样本集进行样本标记之前，还包括：

针对所述客户样本集所涉及的各个客户属性，计算当前客户属性的信息增益；

根据所述信息增益从所述客户样本集所述涉及的所有客户属性中，确定目标属性；

基于所述目标属性对客户样本集进行筛选；

基于所述客户价值等级对所述客户样本集进行样本标记，包括：

基于所述客户价值等级对筛选出的客户样本集进行样本标记。

3.根据权利要求2所述的方法，其特征在于，针对所述客户样本集所涉及的各个客户属性，计算当前客户属性的信息增益，包括：

针对所述客户样本集所涉及的各个客户属性，计算基于当前客户属性划分所述客户样本集的熵；

基于所述客户价值等级计算所述客户样本集的期望信息；

将所述期望信息与基于当前客户属性划分所述客户样本集的熵，作为当前客户属性的信息增益。

4.根据权利要求3所述的方法，其特征在于，根据所述信息增益从所述客户样本集所述涉及的所有客户属性中，确定目标属性，包括：

针对所述客户样本集所述涉及的各个客户属性，判断当前客户属性的信息增益是否大于预设增益阈值；

将所述客户样本集所述涉及的所有客户属性中，大于预设增益阈值的信息增益对应的客户属性，作为目标属性。

5.根据权利要求1所述的方法，其特征在于，确定所述客户样本集中各个样本客户的客户价值等级，包括：

对所述客户样本集进行聚类分析，确定所述客户样本集中各个样本客户的客户价值等级。

6.根据权利要求1所述的方法，其特征在于，在生成客户价值等级预测模型之后，还包括：

获取待预测客户的目标关联用电数据；

将所述目标关联用电数据输入至所述客户价值等级预测模型中，根据所述客户价值等级预测模型的输出结果，确定所述待预测客户对应的目标价值等级，以根据所述目标价值等级对所述待预测客户进行电力能源价值挖掘。

7.根据权利要求1-6任一所述的方法，其特征在于，所述预设机器学习模型为朴素贝叶斯模型。

8.一种客户价值等级预测模型建立装置，其特征在于，包括：

客户样本集获取模块，用于获取客户样本集；其中，所述客户样本集中包括至少两个样本客户的关联用电数据；

价值等级确定模块，用于确定所述客户样本集中各个样本客户的客户价值等级；

训练样本集生成模块，用于基于所述客户价值等级对所述客户样本集进行样本标记，并将样本标记后的客户样本集作为训练样本集；

预测模型生成模块，用于基于所述训练样本集对预设机器学习模型进行训练，生成客户价值等级预测模型。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现如权利要求1-7中任一所述的客户价值等级预测模型建立方法。

10.一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-7任一所述的客户价值等级预测模型建立方法。