[发明专利]概率的预测方法及装置

说明书

技术领域

本公开涉及数据挖掘领域，尤其涉及一种概率的预测方法及装置。

背景技术

数据挖掘是数据库知识发现(Knowledge-Discovery in Databases，KDD)中的一个步骤。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。

机器学习作为数据挖掘的重要工具已经在预测单一事件的发生概率上取得了长足发展，并被广泛应用于各类业务场景。相关技术中，利用预测模型针对特定的事件的发生概率进行预测。但是，当预测条件发生改变时，需要重复利用训练样本训练预测模型，以此来针对不同的预测条件进行预测，增加了系统负担，且预测结果的准确程度低。

发明内容

为克服相关技术中存在的问题，本公开提供一种概率的预测方法及装置。

根据本公开实施例的第一方面，提供一种概率的预测方法，包括：

根据各个训练样本的特征以及各个特征的权重确定各个训练样本的分数；

根据各个训练样本的分数对各个训练样本进行排序；

根据预测条件以及排序后的各个训练样本的样本值拟合得到预测函数；

根据待预测对象的特征以及各个特征的权重确定所述待预测对象的分数；

根据所述待预测对象的分数以及所述预测函数，对所述待预测对象的对象值符合所述预测条件的概率进行预测。

对于上述方法，在一种可能的实现方式中，根据各个训练样本的特征以及各个特征的权重确定各个训练样本的分数，包括：

获取训练样本集，所述训练样本集包括N个训练样本，其中，N为正整数；

根据各个训练样本的特征，确定各个训练样本对应的特征向量，其中，各个特征向量分别包括m个特征，m为正整数；

根据各个训练样本对应的特征向量，确定各个特征的权重；

根据各个训练样本对应的特征向量和各个特征的权重，分别确定各个训练样本的分数。

对于上述方法，在一种可能的实现方式中，根据各个训练样本对应的特征向量，确定各个特征的权重，包括：

将所述训练样本集中的各个训练样本分别与其他各个训练样本组成样本对；

确定各个样本对中两个训练样本对应的特征向量的向量差；

根据各个样本对对应的向量差，确定各个特征的权重。

对于上述方法，在一种可能的实现方式中，根据各个样本对对应的向量差，确定各个特征的权重，包括：

采用式1和式2确定各个特征的权重；

其中，M表示样本对的数量，w表示各个训练样本对应的特征向量共同的权重向量，w^T表示w的转置向量，x_l表示所述训练样本集中的第l个训练样本对应的特征向量，x_r表示所述训练样本集中的第r个训练样本对应的特征向量，1≤l≤N，1≤r≤N，l≠r，w_i表示第i次迭代计算获得的结果，w_i+1表示第i+1次迭代计算获得的结果，1≤i≤m-1，η表示第一系数。

对于上述方法，在一种可能的实现方式中，根据各个训练样本对应的特征向量和各个特征的权重，分别确定各个训练样本的分数，包括：

采用式3确定第j个训练样本的分数s_j；

s_j＝w^Tx_j式3；

其中，w表示各个训练样本对应的特征向量共同的权重向量，w＝[w₁,w₂,...，w_m]，w₁...w_m分别表示第1个至第m个特征的权重，w^T表示w的转置向量，x_j表示第j个训练样本对应的特征向量，1≤j≤N。

对于上述方法，在一种可能的实现方式中，根据预测条件以及排序后的各个训练样本的样本值拟合得到预测函数，包括：

根据预测条件以及排序后的各个训练样本的样本值确定正样本，其中，正样本为样本值符合预测条件的训练样本；

根据确定的正样本拟合得到正样本累积函数；

计算所述正样本累积函数的导函数；

根据所述导函数以及各个训练样本的分数拟合得到预测函数。

对于上述方法，在一种可能的实现方式中，根据确定的正样本拟合得到正样本累积函数，包括：