[发明专利]代理人出单概率的预测方法、装置、设备及存储介质

权利要求书

1.一种代理人出单概率的预测方法，其特征在于，所述代理人出单概率的预测方法包括：

获取业务代理人原始业务数据，通过预置的特征提取组合模型，对所述业务代理人原始业务数据进行分群特征选择，得到分群特征数据；

获取历史时段的正例业务样本数据，通过所述历史时段的正例业务样本数据，对所述分群特征数据进行数据平衡处理，得到目标特征数据；

通过所述目标特征数据和预置的目标损失函数，对预置的梯度提升决策树模型进行出单概率预测的训练，得到目标预测模型，所述目标损失函数为加入了平衡因子的预设结构的损失函数；

获取待预测代理人的业务特征数据，通过所述目标预测模型对所述待预测代理人的业务特征数据进行代理人业务出单概率二分类，得到初始出单概率值，对所述初始出单概率值进行概率选择的融合，得到目标出单概率值。

2.根据权利要求1所述的代理人出单概率的预测方法，其特征在于，所述获取历史时段的正例业务样本数据，通过所述历史时段的正例业务样本数据，对所述分群特征数据进行数据平衡处理，得到目标特征数据，包括：

对所述分群特征数据进行各类别的正负样本统计，得到各类别的正样本数量和各类别的负样本数量；

计算所述各类别的正样本数量和所述各类别的负样本数量的样本差值，根据所述样本差值获取各类别的历史时段的正例业务样本数据；

将所述各类别的历史时段的正例业务样本数据，对所述分群特征数据进行填充，得到目标特征数据。

3.根据权利要求1所述的代理人出单概率的预测方法，其特征在于，所述通过所述目标特征数据和预置的目标损失函数，对预置的梯度提升决策树模型进行出单概率预测的训练，得到目标预测模型，包括：

通过预置的梯度提升决策树模型中各梯度提升决策树的总分类器，对所述目标特征数据进行出单概率预测，得到预测结果；

通过预置的目标损失函数对所述预测结果进行运算，得到损失函数值，所述目标损失函数为预设结构的对数似然函数；

根据所述损失函数值基于预置的最大期望算法，对所述目标损失函数中的平衡因子进行训练计算，得到最终的平衡因子，并将最终的平衡因子所对应的梯度提升决策树模型确定为目标预测模型。

4.根据权利要求1所述的代理人出单概率的预测方法，其特征在于，所述获取业务代理人原始业务数据，通过预置的特征提取组合模型，对所述业务代理人原始业务数据进行分群特征选择，得到分群特征数据，包括：

获取业务代理人原始业务数据，通过预置的特征提取组合模型，对所述业务代理人原始业务数据依次进行多层级融合特征提取和特征选择，得到初始特征数据；

根据所述初始特征数据对所述业务代理人原始业务数据对应的业务代理人进行分群和标记，得到已分群业务代理人，获取所述已分群业务代理人对应的初始特征数据，得到分群特征数据。

5.根据权利要求1所述的代理人出单概率的预测方法，其特征在于，所述获取待预测代理人的业务特征数据，通过所述目标预测模型对所述待预测代理人的业务特征数据进行代理人业务出单概率二分类，得到初始出单概率值，对所述初始出单概率值进行概率选择的融合，得到目标出单概率值，包括：

获取待预测代理人的业务原始数据，对所述待预测代理人的业务原始数据依次进行数据清洗、所述特征提取组合模型的多层级特征提取和预设代理人分群特征的特征筛选，得到待预测代理人的业务特征数据；

调用所述目标预测模型，对所述待预测代理人的业务特征数据进行代理人业务出单概率的二分类，得到初始出单概率值，并调用预置的回归预测模型，对所述待预测代理人的业务特征数据进行代理人业务出单概率的回归处理，得到对比出单概率数据；

将所述初始出单概率值和所述对比出单概率数据进行对比分析，得到分析结果，根据所述分析结果将所述初始出单概率值和所述对比出单概率数据进行融合，得到目标出单概率值。