[发明专利]基于人工智能的行为预测方法、装置、终端及存储介质

权利要求书

1.一种基于人工智能的行为预测方法，其特征在于，所述方法包括：

对原始样本数据集进行分群得到多个群样本数据集包括：使用主成分分析算法提取所述原始样本数据集的多个特征；对所述多个特征按照从大到小进行排序；选取排序后的多个特征中的前预设第一数量的目标特征；根据所述前预设第一数量的目标特征生成基空间；将所述原始样本数据集中的每个原始样本数据投影到所述基空间中得到对应的样本特征；根据所述样本特征对所述原始样本数据集进行聚类得到多个群样本数据集；

使用第一种群生成模型根据所述多个群样本数据集生成第一代种群包括：为每个群样本数据集随机生成第一标识或者生成第二标识；根据每个群样本数据集的所述第一标识或者所述第二标识对所述多个群样本数据集进行排列组合；根据所有排列组合对应的多个群样本数据集及标识生成第一代种群，其中，同一个群样本数据集中的所有原始样本数据对应同一个标识；

使用XGBoost模型对所述第一代种群进行训练得到多个第一预测值，并根据所述多个第一预测值计算第一头部预测准确率，使用遗传算法根据所述第一头部预测准确率对所述多个群样本数据集进行寻优得到第二代种群；其中，根据所述多个第一预测值计算第一头部预测准确率包括：对所述多个第一预测值按照从大到小进行排序；选取排序后的多个第一预测值中的前预设第二数量的目标预测值；获取所述前预设第二数量的目标预测值对应的真实值；根据所述前预设第二数量的目标预测值及对应的真实值计算第一头部预测准确率；

使用所述XGBoost模型对所述第二代种群进行迭代训练得到多个第二预测值，并根据所述多个第二预测值计算第二头部预测准确率，使用所述遗传算法根据所述第二头部预测准确率对所述多个群样本数据集进行迭代寻优，直到得到目标种群；

基于所述目标种群中为第一标识的原始样本数据构建样本数据子集，并使用所述XGBoost模型对所述样本数据子集进行训练得到行为预测模型；

调用所述行为预测模型预测目标用户的行为。

2.如权利要求1所述的基于人工智能的行为预测方法，其特征在于，在所述对原始样本数据集进行分群得到多个群样本数据集之前，所述方法还包括：

判断所述原始样本数据集的数量是否大于预设数量阈值；

当所述原始样本数据集的数量大于或者等于所述预设数量阈值时，对所述原始样本数据集进行分群；

当所述原始样本数据集的数量小于所述预设数量阈值时，使用第二种群生成模型根据所述原始样本数据集生成第一代种群。

3.如权利要求2所述的基于人工智能的行为预测方法，其特征在于，所述使用第二种群生成模型根据所述原始样本数据集生成第一代种群包括：

初始化比例值序列；

迭代读取所述比例值序列中的一个目标比例值，并从所述原始样本数据集中随机选择所述目标比例值的目标原始样本数据；

为所述目标原始样本数据生成第一标识，及为其余原始样本数据生成第二标识；

将所述目标原始样本数据及对应的所述第一标识，所述其余原始样本数据及对应的所述第二标识确定为第二样本数据集；

根据所述比例值序列中的每个目标比例值对应的第二样本数据集生成第一代种群。

4.如权利要求2至3中任意一项所述的基于人工智能的行为预测方法，其特征在于，所述调用所述行为预测模型预测目标用户的行为包括：

将所述目标用户的目标数据投影到所述基空间中得到目标样本特征；

输入所述目标样本特征至所述行为预测模型中进行预测得到第三预测值；

基于所述第三预测值确定所述目标用户的行为标识。