[发明专利]数据预测方法、装置、设备及计算机可读存储介质

权利要求书

1.一种数据预测方法，其特征在于，所述数据预测方法包括以下步骤：

当获取到训练数据集后，检测所述训练数据集对应数据的特征维度是否小于或者等于预设维度；

若所述特征维度小于或者等于所述预设维度，则通过预设的衍生变量构造方法扩充所述特征维度，得到维度扩充后的所述训练数据集；

将维度扩充后的所述训练数据集中各个特征维度对应的数据输入预设的预测模型中，得到与所述训练数据集对应的预测结果；

所述当获取到训练数据集后，检测所述训练数据集对应数据的特征维度是否小于或者等于预设维度的步骤，包括：

当获取到训练数据集后，确定所述训练数据集对应的预测模型，并将所述预测模型确定为目标预测模型；

获取所述目标预测模型对应的预设维度，并检测所述训练数据集对应数据的特征维度是否小于或者等于所述预设维度；

所述若所述特征维度小于或者等于所述预设维度，则通过预设的衍生变量构造方法扩充所述特征维度，得到维度扩充后的所述训练数据集的步骤之后，还包括：

采用相关系数校验方法对维度扩充后的所述训练数据集中的数据进行筛选，以保留维度扩充后的所述训练数据集中符合条件的特征数据；

所述将维度扩充后的所述训练数据集中的数据输入预设的预测模型中，得到与所述训练数据集对应的预测结果的步骤包括：

判断维度扩充后的所述训练数据集中是否所有特征维度对应的特征数据的数量均小于预设数量；

若是，则将所述特征数据输入预设的预测模型中，得到与所述训练数据集对应的预测结果；

若否，则将大于/等于所述预设数量的特征数据对应的特征维度确定为目标维度，并采用lasso方法对所述目标维度对应特征数据进行筛选，直至所述目标维度对应特征数据的数量小于所述预设数量，以将筛选后的特征数据输入预设的预测模型中，得到与所述训练数据集对应的预测结果。

2.如权利要求1所述的数据预测方法，其特征在于，所述采用相关系数校验方法对维度扩充后的所述训练数据集中的数据进行筛选，以保留维度扩充后的所述训练数据集中符合条件的特征数据的步骤之后，还包括：

通过机器学习算法在所述特征数据中筛选出目标特征数据；

所述将所述特征数据输入预设的预测模型中，得到与所述训练数据集对应的预测结果的步骤包括：

将所述目标特征数据输入预设的预测模型中，得到与所述训练数据集对应的预测结果。

3.如权利要求2所述的数据预测方法，其特征在于，所述通过机器学习算法在所述特征数据中筛选出目标特征数据的步骤之前，包括：

检测所述机器学习算法中是否存在默认机器学习算法；

若所述机器学习算法中存在所述默认机器学习算法，则所述通过机器学习算法在所述特征数据中筛选出目标特征数据的步骤包括：

通过所述默认机器学习算法在所述特征数据中筛选出目标特征数据。

4.如权利要求3所述的数据预测方法，其特征在于，所述检测所述机器学习算法中是否存在默认机器学习算法的步骤之后，还包括：

若所述机器学习算法中不存在所述默认机器学习算法，则获取各个所述机器学习算法在预设时长内被调用的调用次数；

所述通过机器学习算法在所述特征数据中筛选出目标特征数据的步骤包括：

通过调用次数最多的机器学习算法在所述特征数据中筛选出目标特征数据。

5.如权利要求1至4任一项所述的数据预测方法，其特征在于，所述当获取到训练数据集后，检测所述训练数据集对应数据的特征维度是否小于或者等于预设维度的步骤之后，还包括：

若所述特征维度大于所述预设维度，则采用相关系数校验方法对所述训练数据集中的数据进行筛选，以保留所述训练数据集中符合条件的特征数据；

将所述特征数据输入预设的预测模型中，得到与所述训练数据集对应的预测结果。