[发明专利]数据处理方法和设备

说明书

本申请提供一种数据处理方法和设备，包括获取测试数据，其中，测试数据包括第一类型测试数据和数值型测试数据；使用第一数据处理模型对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数值型测试数据进行处理，获得数值型预测结果；对布尔型预测结果和数值型预测结果进行融合，获得融合结果，通过如此设置，提升数据处理精度。

技术领域

本申请涉及但不限定于一种数据处理方法和设备。

背景技术

近年来，随着大数据等新技术的快速发展，大数据分析广泛应用于生产数据分析，让生产规划的制定过程更加理性化，实现生产资源优化分配。

现阶段，在对生产数据进行分析过程中，通常使用神经网络模型。神经网络模型实际上是根据训练样本创造出一个多维输入、多维输出的函数，并使用该函数进行处理，网络的训练过程即为调节该函数参数提高处理精度的过程。

但这种处理方法仅能处理数值型信息，无法处理相关字符型信息，这就导致在优化模型的训练前遗失很多重要的特征，难以有效地提高处理的精度和有效率，而且需要较长的训练时间和较大的运算量，不便于实际应用。

发明内容

本申请一实施例提供一种数据处理方法，包括：

获取测试数据，其中，测试数据包括第一类型测试数据和数值型测试数据，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数值型测试数据进行处理，获得数值型预测结果；

对布尔型预测结果和数值型预测结果进行融合，获得融合结果。

在一些实施例中，对布尔型预测结果和数值型预测结果进行融合，获得融合结果，具体包括：

对数值型预测结果进行二值化处理，获得二值化预测结果；

使用预设融合规则二值化预测结果、布尔型预测结果以及数值型预测结果进行融合，获得融合结果。

在一些实施例中，对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，第一数值表征是，第二数值表征否；

相应地，融合结果包括布尔型融合结果和数值型融合结果，

使用预设融合规则二值化预测结果、布尔型预测结果以及数值型预测结果进行融合，获得融合结果，具体包括以下任意一项：

当二值化预测结果为第二数值时，将布尔型融合结果设置为第二数值，将数值型融合结果设置为最小值；

当二值化预测结果和布尔型预测结果均为第一数值时，将布尔型融合结果设置为第一数值，设置数值型融合结果的数值为数值型预测结果的数值；

当数值型预测结果大于或等于第二阈值时，将布尔型融合结果设为第一数值，将数值型融合结果的数值设置为数值型预测结果的数值；

当数值型预测结果小于第二阈值时，将布尔型融合结果设置为第二数值，将数值型融合结果设置为最小值。

在一些实施例中，第一数据处理模型为随机森林模型，方法还包括：

获取第一类型训练数据，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；根据第一类型子训练数据生成一颗决策树；