[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

说明书

本申请的一些实施例提供了一种自动化训练数据预测模型、数据预测的方法及装置，该方法包括：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。本申请的一些实施例可以实现模型拟合参数和样本数据集的自动选取，之后进行自动化训练得到目标数据预测模型，效率较高。

技术领域

本申请涉及数据预测技术领域，具体而言，涉及一种自动化训练数据预测模型、数据预测的方法及装置。

背景技术

随着大数据技术的不断发展，通过机器学习训练模型的方式来进行预测分析被广泛应用。

当前企业的规模不断扩大，企业架构也比较复杂。由于适应市场的变化需求，需要及时定制企业的业务发展方案。因此及时得知企业的业务数据情况至关重要。目前，企业一般由总公司以及多个子公司构成，传统的对企业业务发展情况的数据分析一般是所有子公司和总公司指定相同的模型训练参数去训练模型。但是每个子公司的发展趋势和业务数据存在差异，通过该方法并不能反映出每个子公司数据的实际情况，进而对数据的分析和预测的准确度较低，影响业务发展。如果单独对每个子公司构建个体模型，需要耗费大量的人力成本，且效率较低。

因此，如何提供一种高效的自动化训练数据预测模型的方法的技术方案成为亟需解决的技术问题。

发明内容

本申请的一些实施例的目的在于提供一种自动化训练数据预测模型、数据预测的方法及装置，通过本申请的实施例的技术方案可以实现对模型的自动化训练，可复用性较高且模型训练的效率较高，模型应用的效果较好。

第一方面，本申请的一些实施例提供了一种自动化训练数据预测模型的方法，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。

本申请的一些实施例通过自动选取至少一组模型拟合参数和至少一个样本数据集对模型进行训练，得到目标数据预测模型。本申请实施例可以针对不同情况选择不同的模型拟合参数，得到符合不同场景下的模型，效率较高且易于实现，而且可复用性较高。

在一些实施例，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。

本申请的一些实施例通过预先设定预设模型拟合参数范围的拟合上/下限范围取值，然后进行随机组合得到至少一组模型拟合参数，可以实现对模型的多种情况下的拟合，使得训练得到的模型适应性较好。