[发明专利]数据处理方法和设备

权利要求书

1.一种数据处理方法，其特征在于，包括：

获取测试数据，其中，所述测试数据包括第一类型测试数据和数值型测试数据，所述第一类型测试数据包括布尔型测试数据和/或字符串测试数据；

使用第一数据处理模型对所述第一类型测试数据进行处理，获得布尔型预测结果；以及使用第二数据处理模型对所述数值型测试数据进行处理，获得数值型预测结果；

对所述布尔型预测结果和所述数值型预测结果进行融合，获得融合结果。

2.根据权利要求1所述的数据处理方法，其特征在于，对所述布尔型预测结果和所述数值型预测结果进行融合，获得融合结果，具体包括：

对所述数值型预测结果进行二值化处理，获得二值化预测结果；

使用预设融合规则所述二值化预测结果、所述布尔型预测结果以及所述数值型预测结果进行融合，获得所述融合结果。

3.根据权利要求2所述的数据处理方法，其特征在于，对所述数值型预测结果进行二值化处理获得二值化预测结果，具体包括：

当所述数值型预测结果大于第一阈值时，获得的二值化预测结果为第一数值；

当所述数值型预测结果小于或等于第一阈值时，获得的二值化预测结果为第二数值；其中，所述第一数值表征是，所述第二数值表征否；

相应地，所述融合结果包括布尔型融合结果和数值型融合结果；

使用预设融合规则所述二值化预测结果、所述布尔型预测结果以及所述数值型预测结果进行融合，获得所述融合结果，具体包括以下任意一项：

当所述二值化预测结果为所述第二数值时，将所述布尔型融合结果设置为所述第二数值，将数值型融合结果设置为最小值；

当所述二值化预测结果和所述布尔型预测结果均为所述第一数值时，将所述布尔型融合结果设置为所述第一数值，设置所述数值型融合结果的数值为所述数值型预测结果的数值；

当所述数值型预测结果大于或等于第二阈值时，将所述布尔型融合结果设为所述第一数值，将所述数值型融合结果的数值设置为所述数值型预测结果的数值；

当所述数值型预测结果小于所述第二阈值时，将所述布尔型融合结果设置为所述第二数值，将数值型融合结果设置为最小值。

4.根据权利要求1至3中任意一项所述的数据处理方法，其特征在于，所述第一数据处理模型为随机森林模型，所述方法还包括：

获取第一类型训练数据，所述第一类型训练数据包括布尔型训练数据和/或字符串训练数据；重复执行如下步骤：

从所述第一类型训练数据中有放回的选择多个训练数据，获得一个第一类型子训练数据；根据所述第一类型子训练数据生成一颗决策树；

直到获得预设数量的决策树，根据预设数量的决策树建立随机森林模型。

5.根据权利要求1至3中任意一项所述的数据处理方法，其特征在于，所述第二数据处理模型为极端梯度提升模型，所述方法还包括：

获取数值型训练数据；重复执行如下步骤：

根据上一颗决策树对所述数值型训练数据进行预测，获得上一预测结果；

根据所述上一预测结果建立当前颗决策树，并计算当前颗决策树的优化目标值；

在所述当前颗决策树的优化目标值小于残差精度时，根据已经建立的决策树构建极端梯度提升模型。

6.一种数据处理装置，其特征在于，包括：

获取模块，用于获取测试数据，其中，所述测试数据包括第一类型测试数据和数值型测试数据；

处理模块，用于使用第一数据处理模型对所述第一类型测试数据进行处理，获得布尔型预测结果；以及使用第二数据处理模型对所述数值型测试数据进行处理，获得数值型预测结果；

所述处理模块还用于对所述布尔型预测结果和所述数值型预测结果进行融合，获得融合结果。

7.根据权利要求6所述的装置，其特征在于，所述处理模块，具体用于：

对所述数值型预测结果进行二值化处理，获得二值化预测结果；

使用预设融合规则所述二值化预测结果、所述布尔型预测结果以及所述数值型预测结果进行融合，获得所述融合结果。