[发明专利]模型训练方法、模型预测方法、装置、设备及介质

权利要求书

1.一种模型训练方法，包括：

获取在第一时间区间内产生的第一目标历史数据，其中，所述第一目标历史数据包括用户的属性数据和与所述用户关联的多类产品的使用数据；

利用预设条件从所述第一目标历史数据中确定第二目标历史数据；

获取在第二时间区间内产生的与所述用户关联的多类产品的使用标签，其中，所述第一时间区间在所述第二时间区间之前；

利用分类模型和所述使用标签从所述第二目标历史数据中确定训练数据；以及

基于所述训练数据与所述使用标签，训练用于预测产品对用户的适配性的模型。

2.根据权利要求1所述的方法，其中，所述预设条件包括第一预设条件和第二预设条件；所述利用预设条件从所述第一目标历史数据中确定第二目标历史数据包括：

基于所述第一目标历史数据中的数值连续的数据，根据所述第一预设条件，滤除满足第一预设阈值的所述数值连续的数据，以便得到过滤后的第一目标历史数据；

根据所述第二预设条件，对所述过滤后的第一目标历史数据中的离散数据进行筛选，以便得到第二目标历史数据。

3.根据权利要求2所述的方法，其中，所述第一预设条件包括皮尔逊相关系数；所述基于所述第一目标历史数据中的数值连续的数据，根据所述第一预设条件，滤除满足第一预设阈值的所述数值连续的数据，以便得到过滤后的第一目标历史数据包括：

将所述第一目标历史数据中每两个所述数值连续的数据，输入所述皮尔逊相关系数的表达式，输出计算结果；

根据所述计算结果，确定所述满足第一预设阈值的所述数值连续的数据；

滤除所述满足第一预设阈值的所述数值连续的数据，得到所述过滤后的第一目标历史数据。

4.根据权利要求2所述的方法，其中，所述第二预设条件包括卡方检验。

5.根据权利要求1所述的方法，其中，所述获取在第一时间区间内产生的第一目标历史数据包括：

获取在所述第一时间区间内产生的所述用户的属性数据和所述与所述用户关联的多类产品的使用数据，得到初始历史数据；

对所述初始历史数据进行预处理，得到所述第一目标历史数据。

6.根据权利要求5所述的方法，其中，所述对所述初始历史数据进行预处理，得到所述第一目标历史数据包括：

对所述初始历史数据进行清洗，得到清洗后的初始历史数据；

对所述清洗后的初始历史数据进行变换，得到所述第一目标历史数据。

7.根据权利要求1所述的方法，其中，所述利用分类模型和所述使用标签从所述第二目标历史数据中确定训练数据包括：

将所述第二目标历史数据输入所述分类模型，以便输出分类结果；

基于所述分类结果与所述使用标签，确定满足第二预设阈值的所述第二目标历史数据；

从所述满足第二预设阈值的所述第二目标历史数据中筛选得到所述训练数据。

8.根据权利要求1所述的方法，其中，所述基于所述训练数据与所述使用标签，训练用于预测产品对用户的适配性的模型包括：

将所述训练数据输入待训练的初始模型，输出训练结果；

基于所述训练结果和所述使用标签，对所述初始模型进行调参，以便得到训练好的所述用于预测产品对用户的适配性的模型。

9.一种模型预测方法，包括：

获取与待预测时间区间内关联的目标预测数据；

将所述目标预测数据输入用于预测产品对用户的适配性的模型；以及

输出预测结果；

其中，所述用于预测产品对用户的适配性的模型根据权利要求1～8任一项所述的方法训练得到。