[发明专利]建立预测模型的装置、方法及计算机可读存储介质

说明书

技术领域

本发明涉及数据处理技术领域，尤其涉及一种建立预测模型的装置、方法及计算机可读存储介质。

背景技术

时间序列是一种十分常见的数据类型。几乎所有商业上的数据集，都有一个时间的维度。而很多商业的数据分析，例如股市的波动，某种疾病的发病率等，其数据具有随着时间的流动而发生变化的规律。传统的时间序列数据预测模型，例如自回归滑动平均模型，隐马尔可夫模型等，这些常用的模型的复用性较差，其建模流程往往需要较大量的人工参与样本训练，导致在不同场景下研究同类时间序列数据时，经常需要对模型进行适应性调整。

发明内容

本发明提供一种建立预测模型的装置、方法及计算机可读存储介质，其主要目的在于降低人工训练介入量，提高基于时间序列创建的模型的可复用性。

为实现上述目的，本发明提供一种基于时间序列建立预测模型的装置，该装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的预测模型建立程序，所述预测模型建立程序被所述处理器执行时实现如下步骤：

获取样本组的目标时间序列，以目标时间单元为基准，从所述目标时间序列中提取m个间隔预设周期的时间单元的历史数据，作为同比数据特征，其中，m≥1；

从所述目标时间序列中提取所述目标时间单元前的n个连续的时间单元的历史数据，作为环比数据特征，其中，n≥1；

对所述环比数据特征取均值和方差，作为统计学特征；

将获取的多个样本组的特征输入到预设分类/回归模型中进行训练，其中，将所述目标时间单元对应的特征为目标变量，并将特征中除目标变量外的其他特征作为因变量；

获取所述分类/回归模型的预测因子，将确定预测因子后的预设分类/回归模型作为预测模型。

可选地，所述处理器还用于执行所述预测模型建立程序，以在所述获取样本组的目标时间序列，以目标时间单元为基准，从所述目标时间序列中提取m个间隔预设周期的时间单元的历史数据，作为同比数据特征的步骤之前，以实现如下步骤：

对获取的原始时间序列作滑动平均处理和标准化处理得到标准时间序列，将所述标准时间序列作为所述目标时间序列。

可选地，所述处理器还用于执行所述预测模型建立程序，以在所述对输入的原始时间序列作滑动平均处理和标准化处理得到标准时间序列，将所述标准时间序列作为所述目标时间序列的步骤之前，还实现以下步骤：

接收输入的所述待测项目的历史数据，基于时间维度整理所述历史数据，以生成所述待测项目的原始时间序列。

可选地，所述将获取的多个样本组的特征输入到预设分类/回归模型中进行训练，其中，将所述目标时间单元对应的特征为目标变量，并将特征中除目标变量外的其他特征作为因变量的步骤包括：

按照预设的特征选择算法，对因变量进行特征筛选处理获取特征子集；其中，将所述目标时间单元对应的特征为目标变量，并将特征中除目标变量外的其他特征作为因变量；

将所述特征子集作为训练样本输入到预设分类模型中进行训练。

可选地，所述对获取的原始时间序列作滑动平均处理和标准化处理得到标准时间序列，将所述标准时间序列作为所述目标时间序的步骤包括：

按照预设的窗口长度对所述原始时间序列作滑动平均处理得到滑动平均序列；

按照预设的数据标准化算法对所述滑动平均序列进行标准化处理，以获取所述标准时间序列。

此外，为实现上述目的，本发明还提供一种基于时间序列建立预测模型的方法，该方法包括：

获取样本组的目标时间序列，以目标时间单元为基准，从所述目标时间序列中提取m个间隔预设周期的时间单元的历史数据，作为同比数据特征，其中，m≥1；

从所述目标时间序列中提取所述目标时间单元前的n个连续的时间单元的历史数据，作为环比数据特征，其中，n≥1；

对所述环比数据特征取均值和方差，作为统计学特征；

将获取的多个样本组的特征输入到预设分类/回归模型中进行训练，其中，将所述目标时间单元对应的特征为目标变量，并将特征中除目标变量外的其他特征作为因变量；

获取所述分类/回归模型的预测因子，将确定预测因子后的预设分类/回归模型作为预测模型。

可选地，所述获取样本组的目标时间序列，以目标时间单元为基准，从所述目标时间序列中提取m个间隔预设周期的时间单元的历史数据，作为同比数据特征的步骤之前，所述方法还包括：