[发明专利]数据预测方法、装置、设备及计算机可读存储介质

说明书

本发明公开了一种数据预测方法、装置、设备及计算机可读存储介质，该方法包括步骤：当获取到训练数据集后，检测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；若特征维度小于或者等于预设维度，则通过预设的衍生变量构造方法扩充特征维度，得到维度扩充后的训练数据集；将维度扩充后的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，得到与训练数据集对应的预测结果。本发明通过数据分析，在对训练数据集进行特征处理过程中，考虑训练数据集特征维度的大小，以满足预测模型对特征维度的需求；且由于不需要人工操作，在原始数据中提取符合预测模型数据特征要求的数据过程中，提高了数据提取的提取效率。

技术领域

本发明涉及数据分析技术领域，尤其涉及一种数据预测方法、装置、设备及计算机可读存储介质。

背景技术

在大数据建模过程中，样本数据和数据特征决定了机器学习的上限，因此如何最大限度地从原始数据中提取数据特征以供算法和模型使用，这一特征工程处理已日益成为热点研究方向。但由于数据提取资金、数据安全等多方面成本的限制，很多情况下接入的特征数据集并不是规则完整的，往往会出现许多数据特征层面的异常情况。特征处理是从数据到预测模型的必要桥梁，如果特征处理层面出现问题且没有得到有效解决，会导致预测模型所得预测结果准确率提升存在瓶颈；目前多为人工在原始数据中提取符合预测模型数据特征要求的数据，提取效率低下。

发明内容

本发明的主要目的在于提供一种数据预测方法、装置、设备及计算机可读存储介质，旨在解决现有的在原始数据中提取符合预测模型数据特征要求的数据过程中，提取效率低下的技术问题。

为实现上述目的，本发明提供一种数据预测方法，所述数据预测方法包括步骤：

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。

优选地，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：

采用预设数据筛选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：

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。

优选地，所述采用预设数据筛选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。

优选地，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。