[发明专利]数据预测方法、装置、设备及存储介质

说明书

本公开提供一种数据预测方法、装置、设备及存储介质，该方法包括：通过获取k个业务数据，k个业务数据为连续k个时段的业务对象的参数指标，将k个业务数据输入到第一数据预测模型中，得到第k+1个业务数据，最后推送第k+1个业务数据。其中，第一数据预测模型是根据N个第二数据预测模型聚合得到的，N个第二数据预测模型是分别对N个训练样本集合训练得到的，N个训练样本集合是根据目标时刻之前连续的N个时段的业务数据得到的，N为大于或等于2的正整数。基于第一数据预测模型的训练方式，可以快速学习到最新的业务数据，因此得到的预测数据更加准确。

技术领域

本公开涉及数据处理技术领域，尤其涉及一种数据预测方法、装置、设备及存储介质。

背景技术

时间序列数据(简称时序数据)预测问题，通常是指利用过去一段时间的历史数据来预测下一时段的数据结果。以银行理财类产品为例，银行类应用程序(Application，简称APP)可基于某理财类产品的历史数据，例如收益率，预测下一时段该理财类产品的收益情况。

目前，处理上述时序数据预测问题的一种方式是采用训练好的数据预测模型进行数据预测。现有的数据预测模型通常采用单个模型对历史数据进行训练，由于模型训练存在大量重复数据，模型更新不及时，导致数据预测效果不佳。

发明内容

本公开提供一种数据预测方法、装置、设备及存储介质，提升数据预测的准确率。

第一方面，本公开提供一种数据预测方法，该方法包括：

获取k个业务数据，所述k个业务数据为连续k个时段的业务对象的参数指标，k为大于或等于2的正整数；

将所述k个业务数据输入到第一数据预测模型中，得到第k+1个业务数据；所述第一数据预测模型是根据N个第二数据预测模型聚合得到的，N个所述第二数据预测模型是分别对N个训练样本集合训练得到的，所述N个训练样本集合是根据目标时刻之前连续的N个时段的业务数据得到的，N为大于或等于2的正整数；

推送所述第k+1个业务数据。

在本公开的一个实施例中，所述第一数据预测模型的训练过程，包括：

获取目标时刻之前的连续N个时段对应的N个训练样本集合以及N个初始数据预测模型；

根据各时段对应的训练样本集合，对各初始数据预测模型进行训练，得到训练好的N个第二数据预测模型；

对所述训练好的N个第二数据预测模型进行聚合，得到所述第一数据预测模型。

在本公开的一个实施例中，所述获取目标时刻之前的连续N个时段对应的N个训练样本集合，包括：

获取目标时刻之前的连续N个时段中的业务数据，所述N个时段中的每个时段的业务数据包括M个业务数据，所述M个业务数据为连续M个时段的业务对象的参数指标；

针对所述N个时段中的每个时段，根据所述M个业务数据获取所述每个时段对应的训练样本集合，M为大于或等于4的正整数。

在本公开的一个实施例中，所述根据所述M个业务数据获取所述时段对应的训练样本集合，包括：

采用滑动窗口的方式从所述M个业务数据中提取M-k个训练样本，所述滑动窗口的大小为k+1，所述训练样本包括k+1段业务数据；

将所述M-k个训练样本作为一个训练样本集合。

在本公开的一个实施例中，所述第一数据预测模型的更新过程，包括：

获取新的M个业务数据；

根据所述新的M个业务数据，构建一个新的训练样本集合；