[发明专利]一种训练预测模型的方法和装置

说明书

本申请实施例提供一种训练预测模型的方法和装置，该方法包括：通过训练中的用于预测用户是否有车的预测模型获得预测结果；根据用于表示用户实际是否有车的实际情况和预测结果之间的差异性，生成正负样本集；利用正负样本集训练训练中的预测模型，直至满足训练终止条件，则停止训练。借助于上述技术方案，本申请实施例能够提高预测的精准度。

技术领域

本申请涉及机器学习技术领域，具体涉及一种训练预测模型的方法和装置。

背景技术

随着我国汽车销量的不断增长，传统的线下“等客来”的方式已经不足以支撑行业的需求。而大数据时代的到来，则为各行各业提供了新的营销模式，也就是基于用户行为的精准营销。通过精准营销，可以过滤掉已经有汽车的用户群体，准确定位对没有汽车的用户群体进行营销推广，以此节约推广成本提高精准度。

目前的精准营销的方法是通过人员根据经验提取符合业务的相关标签，通过标签与数据库做匹配，提取没有汽车的用户人群进行推广。

在实现本发明的过程中，发明人发现现有技术中存在如下问题：由于现有的精准营销的方法过于依赖人员的经验，使得提取的用户人群可能含有一部分实际是有车的用户群体。因此，现有的精准营销的方法存在着营销的精准度不高的问题。

发明内容

本申请实施例的目的在于提供一种训练预测模型的方法和装置，以解决现有技术中存在着的营销的精准度不高的问题。

第一方面，本申请实施例提供了一种训练预测模型的方法，该方法包括：通过训练中的用于预测用户是否有车的预测模型获得预测结果；根据用于表示用户实际是否有车的实际情况和预测结果之间的差异性，生成正负样本集；利用正负样本集训练训练中的预测模型，直至满足训练终止条件，则停止训练。

因此，本申请实施例通过训练中的预测模型获得用于表示用户实际是否有车的预测结果，并根据用于表示用户实际是否有车的实际情况和预测结果之间的差异性，生成正负样本集，最后利用正负样本集训练训练中的预测模型，从而可不断地优化预测模型，进而使得预测模型的预测精准度越来越高，进而能够提高营销效果。

在一个可能的实施例中，通过训练中的用于预测用户是否有车的预测模型获得预测结果，包括：获取待预测数据集，其中，待预测数据集中每个待预测数据均包括用户属性信息、汽车行业相关维度信息和其他行业关联维度信息中的至少一种数据；利用训练中的预测模型对待预测数据集进行预测，以获得预测结果。

因此，由于待预测数据包括用户属性信息、汽车行业相关维度信息和其他行业关联维度信息中的至少一种数据，使得本申请实施例能够提高营销成功的转换率。

在一个可能的实施例中，利用训练中的预测模型对待预测数据集进行预测，以获得预测结果，包括：从待预测数据集中筛除已预测过的数据，得到训练数据集；利用训练中的预测模型对训练数据集进行预测，以获得预测结果。

在一个可能的实施例中，从待预测数据集中筛除已预测过的数据，得到训练数据集，包括：将待预测数据集和历史预测结果存储库进行匹配，以获得匹配数据集；根据匹配数据集和待预测数据集，得到训练数据集。

因此，本申请实施例通过历史预测结果存储库对待预测数据集进行筛选，从而能够加快预测的效率。

第二方面，本申请实施例提供了一种训练预测模型的装置，该装置包括：获得模块，用于通过训练中的用于预测用户是否有车的预测模型获得预测结果；生成模块，用于根据用于表示用户实际是否有车的实际情况和预测结果之间的差异性，生成正负样本集；训练模块，用于利用正负样本集训练训练中的预测模型，直至满足训练终止条件，则停止训练。

在一个可能的实施例中，获得模块，具体用于：获取待预测数据集，其中，待预测数据集中每个待预测数据均包括用户属性信息、汽车行业相关维度信息和其他行业关联维度信息中的至少一种数据；利用训练中的预测模型对待预测数据集进行预测，以获得预测结果。