[发明专利]一种自动化训练数据预测模型、数据预测的方法及装置

权利要求书

1.一种自动化训练数据预测模型的方法，其特征在于，包括：

从预设模型拟合参数范围内获取至少一组模型拟合参数，其中，所述至少一组模型拟合参数中各组模型拟合参数包括：下限值和上限值；

从样本数据库中选择出符合条件的样本数据，得到至少一个样本数据集，所述至少一个样本数据集中各个样本数据集包括：训练集和测试集；

根据所述至少一组模型拟合参数、所述至少一个样本数据集和初始数据模型，得到目标数据预测模型。

2.如权利要求1所述的方法，其特征在于，所述从预设模型拟合参数范围内获取至少一组模型拟合参数，包括：

响应于用户的操作指令，获取所述预设模型拟合参数范围，其中，所述预设模型拟合参数范围包括：拟合下限值范围和拟合上限值范围，所述拟合下限值范围中包括：所述下限值的最小取值、所述下限值的最大取值和第一间隔值，所述拟合上限值范围中包括：所述上限值的最小取值、所述上限值的最大取值和第二间隔值；

在所述下限值不大于所述下限值的最大取值的情况下，将所述下限值的最小取值与m个所述第一间隔值进行相加，得到m个下限值；

在所述上限值不大于所述上限值的最大取值的情况下，将所述上限值的最小取值与n个所述第二间隔值进行相加，得到n个上限值；

将所述m个下限值和所述n个上限值进行两两组合，得到所述至少一组模型拟合参数。

3.如权利要求1或2所述的方法，其特征在于，在所述从样本数据库中选择出符合条件的样本数据之前，所述方法还包括：

获取与预测业务相关的历史时序数据，其中，所述历史时序数据包括：历史时间和业务指标值；

获取与所述业务指标值相关的历史假日节点数据和未来假日节点数据，其中，所述历史假日节点数据和所述未来假日节点数据均包括：假日名称和时间；

基于所述历史时序数据、所述历史假日节点数据和所述未来假日节点数据，构建所述样本数据库，其中，所述样本数据库中的所有数据按照时间节点的顺序存储并生成时间节点编号。

4.如权利要求1或2所述的方法，其特征在于，所述从样本数据库中选择出符合条件的样本数据，得到至少一个样本数据集，包括：

获取设定的起始时间节点编号；

利用所述样本数据库中在所述起始时间节点编号之后的样本数据，构建数据集，其中，所述数据集为所述至少一个样本数据集中的一个。

5.如权利要求4所述的方法，其特征在于，在所述构建数据集之前，所述方法还包括：

获取预先设置的预留期数；

按照所述预留期数将所述数据集分为所述训练集和所述测试集。

6.如权利要求1或2所述的方法，其特征在于，所述根据所述至少一组模型拟合参数、所述至少一个样本数据集和初始数据模型，得到目标数据预测模型，包括：

利用所述至少一组模型拟合参数中的各组模型拟合参数和所述各个样本数据集中的训练集对所述初始数据模型进行训练，得到各个待测试数据模型；

利用所述各个样本数据集中的测试集对所述各个待测试数据模型进行测试，得到所述各个待测试数据模型的各个测试指标值；

将所述各个测试指标值中的最优测试指标值对应的待测试数据模型作为所述目标数据预测模型。

7.如权利要求4所述的方法，其特征在于，所述下限值为m个，所述上限值为n个，所述起始时间节点编号设定有k个，其中，所述至少一组模型拟合参数中包括m*n组模型拟合参数，所述至少一个样本数据集为k个，其中，

所述根据所述至少一组模型拟合参数、所述至少一个样本数据集和初始数据模型，包括：

利用所述m*n组模型拟合参数和k个样本数据集对初始数据模型进行训练，得到z个待测试数据模型，其中，所述z＝m*n*k；

从所述z个待测试数据模型中筛选出所述目标数据预测模型。

8.一种数据预测的方法，其特征在于，包括：

获取待预测时间序列数据集；

将所述待预测时间序列输入至经过权利要求1-7中任一项所述的方法得到的目标数据预测模型中，得到业务数据预测结果。