[发明专利]数据预测优化方法、装置、设备及可读存储介质

权利要求书

1.一种数据预测优化方法，其特征在于，所述数据预测优化方法包括以下步骤：

利用同一训练样本分别对多个初始待训练模型进行预测训练，得到待训练模型集合，所述待训练模型集合至少包括两个待训练模型；

通过预置叠加算法对所述待训练模型集合中的待训练模型按照预置权重进行叠加，得到预置候选模型集，其中，所述预置叠加算法至少包括：分类器迭代算法、背景梯度提升回归算法和对数提升算法；

判断所述预置候选模型集中的预置候选模型是否满足预置评分标准；

若所述预置候选模型集中的预置候选模型满足预置评分标准，则得到所述满足预置评分标准的预置候选模型，若所述预置候选模型集中的预置候选模型不满足预置评分标准，则调节预置候选模型集中待训练模型所占的预置权重，直至所述预置候选模型集中的预置候选模型满足预置评分标准；

将满足预置评分标准的预置候选模型作为目标优化模型；

通过所述目标优化模型对待预测数据进行预测，得到预测结果。

2.如权利要求1所述的数据预测优化方法，其特征在于，所述利用同一训练样本分别对多个初始待训练模型进行预测训练，得到待训练模型集合包括以下步骤：

通过预先设置的自动化部署脚本将多个算法部署至预置机器学习算法包内，其中，所述算法至少包括：分布式的监督机器学习算法、分布式的无监督机器学习算法和增强学习算法,所述分布式的监督机器学习算法包括：聚类算法，所述分布式的无监督机器学习算法包括：主成分分析算法和深度卷积神经网络算法，所述增强学习算法包括：时序差分学习算法；

通过预置API接口调用所述预置机器学习算法包内的多个算法，并通过同一训练样本分别对由所述多个算法和同一场景数据构建的多个初始待训练模型进行预测训练，得到待训练模型集合。

3.如权利要求1所述的数据预测优化方法，其特征在于，在所述通过预置叠加算法对所述待训练模型集合的中的待训练模型按照预置权重进行叠加，得到预置候选模型集的步骤之前，还包括以下步骤：

通过预先标注好的预置训练数据对待训练模型集合中的待训练模型进行预测训练，得到预测结果，并根据所述预先标注好的预置训练数据的标注信息计算所述预测结果的准确率；

判断所述待训练模型集合中的待训练模型的所述准确率是否低于预置预测准确率；

若所述待训练模型集合中的待训练模型的所述准确率低于所述预置预测准确率，则通过投票算法调节所述准确率低于所述预置预测准确率的待训练模型的权重，直至所述待训练模型的所述准确率等于或高于所述预置预测准确率。

4.如权利要求1所述的数据预测优化方法，其特征在于，在所述通过预置叠加算法对所述待训练模型集合的中的待训练模型按照预置权重进行叠加，得到预置候选模型集的步骤之后，还包括以下步骤：

基于预置训练数据和预置算法，通过预置自动机器学习进行拓展，得到新的预置候选模型，并将所述新的预置候选模型存储于预置候选模型集。

5.如权利要求4述的数据预测优化方法，其特征在于，所述通基于预置训练数据和预置算法，通过预置自动机器学习进行拓展，得到新的预置候选模型，并将所述新的预置候选模型存储于预置候选模型集包括以下步骤：

利用分布式并行的清洗算法，对训练数据进行清洗，得到预置训练数据；

基于所述预置训练数据和预置算法，通过预置自动机器学习进行拓展，得到目标候选模型；

利用预置自动机器学习，执行自动机器学习流程中的网格搜索算法对所述目标候选模型进行超参数优化，得到新的预置候选模型，并将所述新的预置候选模型存储于预置候选模型集。

6.如权利要求1所述的数据预测优化方法，其特征在于，在所述通过所述目标优化模型对待预测数据进行预测，得到预测结果的步骤之后，还包括以下步骤：

通过预置监控插件yarn对所述预测结果进行监控，得到监控结果；

将所述监控结果进行可视化处理，并进行展示。