[发明专利]基于随机森林的产品复投预测方法、装置、设备及介质

说明书

本发明实施例公开了一种基于随机森林的产品复投预测方法、装置、设备及介质。本发明涉及人工智能技术领域，其包括：从预设数据库中获取客户的复投特征数据，并通过数据清洗及数据归一化方法对复投特征数据进行预处理；对预处理后的任意两个复投特征数据进行相关性计算以得到相关系数，并根据相关系数将满足预设条件的复投特征数据作为目标数据集；将目标数据集分为训练数据集及验证数据集，分别用于Scikit‑learn库中随机森林算法模型的训练及评估以得到复投决策模型；接收客户端发送的客户复投特征数据，并根据客户复投特征数据及复投决策模型预测与客户复投特征数据相对应的复投率。本申请实施例可提高复投数据计算的准确度。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于随机森林的产品复投预测方法、装置、设备及介质。

背景技术

针对客户回款的业务场景，通常会在客户回款前进行运营，现有技术中，基于对客户、复投产品以及交易数据的统计分析，使用机器学习及人工两种方式进行回款运营，例如人工电话、智能AI外呼、弹窗提示，铺垫性的推荐产品和视频等，但运营效率及客户回款后复投概率还是比较低，复投数据预测的准确度不高。

发明内容

本发明实施例提供了一种基于随机森林的产品复投预测方法、装置、设备及介质，旨在解决现有复投数据预测的准确度不高的问题。

第一方面，本发明实施例提供了一种基于随机森林的产品复投预测方法，其包括：

从预设数据库中获取客户的复投特征数据，并通过数据清洗及数据归一化方法对所述复投特征数据进行预处理，其中，所述复投特征数据包括固定复投特征数据及交互复投特征数据；

对预处理后的任意两个所述复投特征数据进行相关性计算以得到相关系数，并根据所述相关系数将满足预设条件的所述复投特征数据作为目标数据集；

根据所述目标数据集对Scikit-learn库中随机森林算法模型进行训练及评估以得到复投决策模型；

接收客户端发送的客户复投特征数据，并根据所述客户复投特征数据及所述复投决策模型预测与所述客户复投特征数据相对应的复投率。

第二方面，本发明实施例还提供了一种基于随机森林的产品复投预测装置，其包括：

预处理单元，用于从预设数据库中获取客户的复投特征数据，并通过数据清洗及数据归一化方法对所述复投特征数据进行预处理，其中，所述复投特征数据包括固定复投特征数据及交互复投特征数据；

计算单元，用于对预处理后的任意两个所述复投特征数据进行相关性计算以得到相关系数，并根据所述相关系数将满足预设条件的所述复投特征数据作为目标数据集；

训练评估单元，用于根据所述目标数据集对Scikit-learn库中随机森林算法模型进行训练及评估以得到复投决策模型；

预测单元，用于接收客户端发送的客户复投特征数据，并根据所述客户复投特征数据及所述复投决策模型预测与所述客户复投特征数据相对应的复投率。

第三方面，本发明实施例还提供了一种计算机设备，其包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述方法。