[发明专利]终端更换周期的预测方法及装置

权利要求书

1.一种终端更换周期的预测方法，其特征在于，包括：

获取待预测用户的特征信息，所述特征信息包括下述信息中的一种或其组合：基本信息、用机信息、行为信息、消费信息和流量信息；

将所述特征信息分别输入到T个预测模型中，所述T个预测模型用于根据所述特征信息对所述待预测用户的终端更换周期进行预测，得到T个预测结果；

根据所述T个预测结果，获取所述待预测用户的终端更换周期；

其中，T为大于1的自然数。

2.根据权利要求1所述的预测方法，其特征在于，所述获取待预测用户的特征信息之前，还包括：

从至少一个数据仓库存储的用户数据中，提取用户的特征信息，生成用户样本集；

基于spark技术对所述用户样本集采用T个不同的机器学习算法进行训练建模，得到所述T个预测模型。

3.根据权利要求2所述的预测方法，其特征在于，所述基于spark技术对所述用户样本集采用T个不同的机器学习算法进行训练建模，得到所述T个预测模型，包括：

按照预设的比例将所述用户样本集划分为训练样本集和测试样本集；

对所述训练样本集中的全部或者部分样本分别采用所述T个不同的机器学习算法进行训练建模，得到T个第一预测模型；

使用所述测试样本集对所述T个第一预测模型进行修正，得到所述T个预测模型。

4.根据权利要求3所述的预测方法，其特征在于，所述按照预设的比例将所述用户样本集划分为训练样本集和测试样本集，包括：

对所述用户样本集中的数据进行预处理，所述预处理包括：数据转换、数据过滤、数据标准化和数据属性规约；

按照预设的比例将预处理后的所述用户样本集划分为训练样本集和测试样本集。

5.根据权利要求4所述的预测方法，其特征在于，所述使用所述测试样本集对所述T个第一预测模型进行修正，得到所述T个预测模型，包括：

针对每个所述第一预测模型，将所述测试样本集中的特征信息输入所述第一预测模型，获取所述第一预测模型对应的预测准确率；

根据所述第一预测模型对应的预测准确率，采用网格搜索算法对所述第一预测模型的参数进行修正，得到第二预测模型；若所述第二预测模型对应的预测准确率大于等于预设值，则将所述第二预测模型作为所述预测模型。

6.根据权利要求5所述的预测方法，其特征在于，还包括：

若所述第二预测模型对应的预测准确率小于预设值，则返回执行对所述用户样本集中的数据进行预处理。

7.根据权利要求2-6任一项所述的预测方法，其特征在于，所述T为大于等于3的自然数，所述T个不同的机器学习算法至少包括：逻辑回归算法、决策树算法和随机森林算法。

8.一种终端更换周期的预测装置，其特征在于，包括：

获取模块，用于获取待预测用户的特征信息，所述特征信息包括下述信息中的一种或其组合：基本信息、用机信息、行为信息、消费信息和流量信息；

预测模块，用于将所述特征信息分别输入到T个预测模型中，所述T个预测模型用于根据所述特征信息对所述待预测用户的终端更换周期进行预测，得到T个预测结果；其中，T为大于1的自然数；

处理模块，用于根据所述T个预测结果，获取所述待预测用户的终端更换周期。

9.一种终端更换周期的预测装置，其特征在于，包括：

存储器；

处理器；以及

计算机程序；

其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如权利要求1-7任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序；

所述计算机程序被处理器执行以实现如权利要求1-7任一项所述的方法。