[发明专利]预测模型训练方法、装置、计算机设备和存储介质

权利要求书

1.一种预测模型训练方法，其特征在于，所述方法包括：

获取数据样本；所述数据样本包括至少两个企业的财报数据样本与产品数据样本以及宏观经济数据样本、产业链数据样本与产品生命周期模型数据样本；

基于所述数据样本对预训练的机器学习模型进行训练；

当训练所得的机器学习模型满足训练停止条件时，将训练所得的机器模型作为用于预测所述目标企业的产品是否存在错失市场风险的预测模型。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

对所述数据样本进行数据清洗，得到清洗后的所述数据样本；

对清洗后的所述数据样本进行格式转换，得到目标格式的所述数据样本；

对目标格式的所述数据样本进行数据归约处理，得到数据归约后的所述数据样本；

所述基于所述数据样本对预训练的机器学习模型进行训练包括：

基于数据归约后的所述数据样本对预训练的机器学习模型进行训练。

3.根据权利要求2所述的方法，其特征在于，所述基于数据归约后的所述数据样本对预训练的机器学习模型进行训练包括：

通过预训练的机器学习模型，对数据归约后的所述数据样本进行预测，得到预测值；

根据所述预测值计算得到损失值；

基于所述损失值对预训练的机器学习模型的参数进行调整，得到满足训练停止条件的机器学习模型。

4.根据权利要求3所述的方法，其特征在于，所述损失值为预测准确率；所述根据所述预测值计算得到损失值包括：

获取损失函数；

根据所述损失函数对所述预测值进行计算，得到损失值。

5.根据权利要求1所述的方法，其特征在于，所述数据样本包括至少两个时间段的数据样本；所述方法还包括：

对所述数据样本进行排序，得到数据样本序列；

所述基于所述数据样本对预训练的机器学习模型进行训练包括：

基于所述数据样本序列对预训练的机器学习模型进行训练。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取预测数据；所述预测数据包括目标企业的财报数据、所述目标企业的产品数据、宏观经济数据、产业链数据以及产品生命周期模型数据；

通过所述预测模型对所述预测数据进行风险预测，得到风险值；

若所述风险值大于预设阈值，确定所述目标企业的产品存在错失市场的风险。

7.一种预测模型训练装置，其特征在于，所述装置包括：

获取模块，用于获取数据样本；所述数据样本包括至少两个企业的财报数据样本与产品数据样本以及宏观经济数据样本、产业链数据样本与产品生命周期模型数据样本；

训练模块，用于基于所述数据样本对预训练的机器学习模型进行训练；

作为模块，用于当训练所得的机器学习模型满足训练停止条件时，将训练所得的机器模型作为用于预测所述目标企业的产品是否存在错失市场风险的预测模型。

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。