[发明专利]缓慢下跌型数据的检测方法及装置、电子设备、存储介质

权利要求书

1.一种缓慢下跌型数据的检测方法，其特征在于，包括：

获取样本数据以及所述样本数据的分类标签，所述分类标签包括上涨型样本数据、下跌型样本数据、缓慢下跌型样本数据及其他型样本数据；

计算所述样本数据的趋势数据；

根据所述上涨型样本数据、下跌型样本数据、缓慢下跌型样本数据及其他型样本数据的趋势数据分别确定上涨型分类条件与下跌型分类条件；

通过所述缓慢下跌型样本数据及其他型样本数据的趋势数据训练并得到一分类学习模型；

利用所述上涨型分类条件与下跌型分类条件对目标数据进行检测，如果所述目标数据的趋势数据同时不满足所述上涨型分类条件与下跌型分类条件，则利用所述分类学习模型分析所述目标数据的趋势数据，以检测所述目标数据是否为缓慢下跌型数据；

其中，根据所述上涨型样本数据、下跌型样本数据、缓慢下跌型样本数据及其他型样本数据的趋势数据分别确定上涨型分类条件与下跌型分类条件包括：

将所述下跌型样本数据、缓慢下跌型样本数据及其他型样本数据合并为非上涨型样本数据，通过所述上涨型样本数据与非上涨型样本数据的趋势数据训练得到第一决策树；

根据所述第一决策树中所述上涨型样本数据对应的分类路径确定所述上涨型分类条件；

将所述上涨型样本数据、缓慢下跌型样本数据及其他型样本数据合并为非下跌型样本数据，通过所述下跌型样本数据与非下跌型样本数据的趋势数据训练得到第二决策树；

根据所述第二决策树中所述下跌型样本数据对应的分类路径确定所述下跌型分类条件。

2.根据权利要求1所述的方法，其特征在于，所述分类学习模型包括逻辑回归模型。

3.根据权利要求2所述的方法，其特征在于，通过所述缓慢下跌型样本数据及其他型样本数据的趋势数据训练并得到一分类学习模型包括：

将所述缓慢下跌型样本数据的分类值设定为1，将所述其他型样本数据的分类值设定为0；

将所述缓慢下跌型样本数据及其他型样本数据的趋势数据共同划分训练集与验证集；

通过所述训练集训练并得到所述逻辑回归模型；

在0～1之间设置固定间隔的多个候选分类阈值，通过所述验证集验证所述逻辑回归模型在每个所述候选分类阈值下的真正例率与假正例率，以绘制所述逻辑回归模型的ROC曲线；

将所述ROC曲线中所述真正例率为1且所述假正例率最小的点对应的所述候选分类阈值确定为所述逻辑回归模型的分类阈值。

4.根据权利要求1所述的方法，其特征在于，所述分类学习模型包括随机森林模型。

5.根据权利要求1所述的方法，其特征在于，所述趋势数据包括涨幅、移动平均值、移动平均值涨幅、移动平均斜率中的至少一种。