[发明专利]一种样本采样方法、样本采样装置、服务器和存储介质

说明书

本发明实施例涉及数据统计领域，公开了一种样本采样方法、样本采样装置、服务器和存储介质。本发明中样本采样方法，包括：分别获取多个预定时刻的比例因子和对应的数据量；对所获取的比例因子和对应的数据量进行模型训练，生成比例因子预测模型；根据所述比例因子预测模型和数据量预测比例因子；利用所预测出的比例因子对数据采样。本发明还分别公开了样本采样装置、服务器和非易失性存储介质，使得比例因子动态变化，更适应采样时刻的数据特点。

技术领域

本发明实施例涉及数据统计领域，特别涉及样本采样方法、样本采样装置、服务器和存储介质。

背景技术

电商行业中由于产生的数据量较大，适合进行个性化推荐等为用户提升体验的解决方案。在此过程中，都需要进行数据的统计分析，现有其中一种方式就是利用历史数据训练出模型，这种方法中，模型的准确性和数据样本中的正负样本比例相关，一般需要正样本比例高于负样本，但实际应用中，经常出现负样本过高等样本不平衡的情况，这样获得模型的准确率则大大降低。

本申请发明人发现，为了解决上述问题，现有技术中会设置采样比例因子，对实际的数据量抽样采样，以调整正负样本的比例。然而所设置的采样比例因子的数值静态不变，又因为每个采样时刻的数据量并不相同，采用同样数值的比例因子抽样，所得的样本比例仍较难控制，尤其是在产生数据量变化较大的应用场景。

发明内容

本发明实施方式的目的在于提供一种样本采样方法、样本采样装置、服务器和存储介质，使得比例因子动态变化，更适应采样时刻的数据特点。

为解决上述技术问题，本发明的实施方式提供了一种样本采样方法，包括：获取多个预定时刻的比例因子和对应的数据量；根据获取的比例因子和对应的数据量进行模型训练，生成比例因子预测模型；根据所述比例因子预测模型和数据量预测比例因子；利用所预测出的比例因子对数据采样。

本发明的实施方式还提供了一种样本采样装置，包括：获取模块，用于获取多个预定时刻的比例因子和对应的数据量；模型生成模块，用于根据获取的比例因子和对应的数据量进行模型训练，生成比例因子预测模型；预测模块，用于根据所述比例因子预测模型和数据量预测比例因子；采样模块，用于利用所预测出的比例因子对数据采样。

本发明的实施方式还提供了一种服务器，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如下步骤：获取多个预定时刻的比例因子和对应的数据量；根据获取的比例因子和对应的数据量进行模型训练，生成比例因子预测模型；根据所述比例因子预测模型和数据量预测比例因子；利用所预测出的比例因子对数据采样。

本发明的实施方式还提供了一种非易失性存储介质，用于存储计算机可读程序，所述计算机可读程序用于供计算机执行如上述的样本采样方法。

本发明实施方式相对于现有技术而言，主要区别及其效果在于：根据历史时间内预定时刻的多个比例因子，训练生成比例因子的预测模型，再根据预测模型预测当前采样所需的比例因子，由此生成的比例因子，即使在同一统计周期内，也会根据采样所处的不同时刻动态变化，变化因素会涵盖历史数据的变化，从而使得比例因子更符合当前时刻的数据特点，从而在采样时得到更合适的抽样量。可见，本发明实施方式在数据量变化较大的场景中，也可采样到合适数量的样本数据，使得样本运用时所需的正负样本量更为平衡。

作为进一步改进，所述模型训练为基于Xgboost模型的回归拟合训练。采用Xgboost模型的回归拟合训练可以更快速准确地获得预测模型。

作为进一步改进，所述预定时刻包括：待采样时刻的同比时刻，和/或所述待采样时刻的环比时刻。