[发明专利]基于机器学习的数据预测处理方法、装置和计算机设备

权利要求书

1.一种基于机器学习的数据预测处理方法，所述方法包括：

接收终端发送的数据预测请求，所述数据预测请求包括请求类型和请求信息；

识别所述请求信息中的字段因子，根据所述请求类型和所述字段因子获取多个目标因素数据，所述目标因素数据包括多个字段数据；

对所述目标因素数据进行特征处理和特征提取，得到所述多个字段数据对应的特征向量；

根据所述请求类型获取预设的数据预测模型，通过所述数据分析模型对所述特征变量进行训练和分析，得到多个指标数据和对应的预测值；

根据所述多个指标数据和对应的预测值生成的预测结果数据，并将所述预测结果数据推送至所述终端。

2.根据权利要求1所述的方法，其特征在于，所述对所述目标因素数据进行特征处理和特征提取，得到所述多个字段数据对应的特征变量的步骤，包括：

对所述目标因素数据对应的多个字段数据进行向量化，得到多个字段数据对应的特征向量；

对所述特征变量进行衍生处理，得到处理后的多个特征向量；

根据预设的目标函数计算所述特征向量的多个特征维度值；

根据预设的距离算法和所述特征维度值计算多个特征向量之间的相似度；

提取出所述相似度达到预设阈值的特征向量。

3.根据权利要求1所述的方法，其特征在于，所述获取预设的数据预测模型的步骤之前，还包括：

获取多个历史因素数据，根据所述多个历史因素数据生成对应的训练集数据和验证集数据；

对所述训练集数据中的多个历史因素数据进行聚类分析，得到聚类结果；

对所述聚类结果进行特征提取，提取出多个特征变量；

获取预设的神经网络模型，通过所述神经网络模型对所述训练集数据进行训练，得到多个特征变量对应的特征维度值和权重，根据多个特征变量对应的特征维度值和权重构建初始数据预测模型；

利用所述验证集数据对所述数据预测模型进行进一步训练和验证，直到所述验证集数据中满足预设阈值的数量达到预设比值时，则停止训练，得到所需的数据预测模型。

4.根据权利要求1所述的方法，其特征在于，所述通过所述数据分析模型对所述特征变量进行训练和分析，得到多个指标数据和对应的预测值的步骤，包括：

将所述多个特征向量作为所述数据预测模型的输入，根据所述数据预测模型中的预设函数计算多个特征向量对应的权重；

计算多个特征向量与目标特征数据之间的相关性；

根据所述特征向量的权重和所述相关性进行回归分析，并通过所述数据预测模型中的输出层输出多个指标数据和对应的预测值。

5.根据权利要求1至4任意一项所述的方法，其特征在于，所述方法还包括：

根据预设频率从预设数据库中获取多个历史因素数据；

对多个历史因素数据进行聚类分析，得到分析结果；

根据所述分析结果进行特征选择，得到多个特征变量；

根据预设的算法计算多个特征变量的权重；

根据多个特征变量和对应的权重对所述数据预测模型进行优化调整。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述请求类型获取预设的集成函数；

根据所述预测结果数据中的多个预设时序参数和对应的预测值通过所述集成函数集成对应的视图预测数据；

对所述视图预测数据添加事件类型标识和对应的接口调用参数，并将所述视图预测数据发送至所述终端。