[发明专利]生成54种滚动机器学习预测算法的方法

说明书

本发明公开了生成54种滚动机器学习预测算法的方法，包括以下步骤：步骤一：建立抓获“六维左邻居已知的数据集”的应用程序编程接口；步骤二：建立“六维右邻居未知的数据集”预测输出应用程序编程接口；步骤三：建立“九种滚动学习推理预测桥”；步骤四：将“六维滚动学习推理维度”中的每一项与“九种滚动学习推理预测桥”的中每一项相乘，即得54种滚动机器学习预测算法。本发明提高了预测的准确性和推送的精准性，拓宽了预测的覆盖率，提供极度个性化服务，为服务企业诊断和预测提供大数据工具和机会分析工具。

技术领域

本发明涉及人工智能技术领域，具体涉及生成54种滚动机器学习预测算法的方法。

背景技术

预测是推理的首要目的：通过推理实现预测。推理是：从“已知的数据(已知的数据集)“，通过”推理路劲(学习推理预测桥)“达到未知的数据(未知的数据集)，推理又是一个不断滚动学习的过程。以下是几种学习推理预测桥的内容：

1.按推理路径角度：分为时间路径、空间路径和关系路径；

2.按预测所基于的数据源：分为滚动邻居(上一次交易)和历史数据(所有已发生的交易)；

3.按链接桥的可靠性和透明度：分为白箱链接、灰箱链接和黑箱链接；其中白箱链接又分组合(未知的事物是已知的基本要素的组合)、演绎(未知的事物是已知的事物的案例)、关系(通过与已知的事物的关联获得未知)；灰箱链接分归纳(从已知的主体和属性反推上级主体和属性)、类比(通过与已知的主体的相似性推测未知主体的属性)、模糊(基于主体间的相似性推理预测)；黑箱链接分任意指代(在任意指代关系中，通过指代者知道被指代者)和相伴性(检测两个事物出现的相伴性程度，包括统计指标(平均数、中数等)和回归(检测两个事物出现的相伴))。

当代机器学习，预测和推荐算法存在以下问题：

1.缺乏滚动性和开放性：用于推理和预测的路径和桥梁(关系和规则)是不变的，永恒的，和一劳永逸的，而不是相对的，滚动变化和开放的；

2.没有基于邻居原则：由于推理和预测的关系和准则是一劳永逸的，而不是滚动变化的，因此，没有认识到在六个维度相近的(时间，空间，关系，主体，产品，交易)事件(六维左邻居已知的数据集)对下一个事件(六维右邻居未知的数据集)的影响和关联的权重也是最大的；

3.缺乏全方位多维滚动学习和个性化：没有从时间，空间，主体特征，关系，交易(行为)和产品(结果)六个维度去学习，预测和个性化；推理预测路径的单一性：没有从白箱，黑箱和灰箱等多条路径去发掘如何从“已知的数据集”预测和推理到“未知的数据集”。

发明内容

针对上述存在的技术不足，本发明的目的是提供生成54种滚动机器学习预测算法的方法，利用“六维极度个性化空间”和“九种机器学习推理预测桥”生成的“54种滚动机器学习预测算法”，即在“主体特征-时间-空间-关系-产品-交易”所组成的六维空间，用“九种滚动学习推理预测桥”，生成54种滚动机器学习预测算法。

为解决上述技术问题，本发明采用如下技术方案：

生成54种滚动机器学习预测算法的方法，包括以下步骤：

步骤一：建立抓获“六维左邻居已知的数据集”的应用程序编程接口；

步骤二：建立“六维右邻居未知的数据集”预测输出应用程序编程接口；

步骤三：建立“九种滚动学习推理预测桥”；

步骤四：将“六维滚动学习推理维度”中的每一项与“九种滚动学习推理预测桥”的中每一项相乘，即得54种滚动机器学习预测算法。

优选地，所述“六维滚动学习推理维度”分别是主体特征、时间、空间、关系、产品和交易。