[发明专利]一种数据还原方法

说明书

本发明公开的数据还原方法，涉及计算机技术领域，通过采用机器学习模型及回归模型，能够有效地还原各种类型的业务数据。

技术领域

本发明属于计算机技术领域，具体涉及一种数据还原方法。

背景技术

目前某些类型的数据是通过埋点形式采集的，该采集方式且需要通过多个节点来进行传输，由于某些原因会导致某个节点数据传输失败，就会丢失数据。针对丢失的数据，目前没有相对的找回措施。

发明内容

针对现有技术存在的缺陷，本发明实施例提供了一种数据还原方法，该方法包括以下步骤：

在数据丢失之前，获取各类业务数据的数据特征，生成第一数据特征集合；

从所述第一特征集合中提取部分数据特征，生成第二数据特征集合；

将所述第一数据特征集合及所述第二数据特征集合分别输入机器学习模型，分别计算所述第一数据集合各个数据特征与所述第二数据集合各个数据特征之间的相关系数；

从所述第二数据特征集合中选择与所述第一数据特征集合各个数据特征相关系数最大的数据特征，生成第三数据特征集合；

在数据丢失之后，将所述第一数据特征集合剩余的数据特征及所述第三数据特征集合同时输入回归模型，还原所述第一数据特征集合丢失的业务数据。

优选地，将所述第一数据特征集合剩余的数据特征及所述第三数据特征集合同时输入回归模型，还原所述第一数据特征集合丢失的业务数据包括：

回归模型通过所述第三数据特征集合中各个数据特征的趋势走向，预测所述第一数据特征集合各个数据特征对应的业务数据，得到所述第一数据特征集合各个数据特征丢失的业务数据。

本发明实施例提供的数据还原方法具有以下有益效果：

通过采用机器学习模型及回归模型，能够有效地还原各种类型的业务数据。

具体实施方式

以下结合具体实施例对本发明作具体的介绍。

本发明实施例提供的数据还原方法包括以下步骤：

S101，在数据丢失之前，获取各类业务数据的数据特征，生成第一数据特征集合。

作为一个具体的实施例，针对共享汽车行业，该第一数据特征集合包括附近5公里内网点数量、附近1公里内网点数量、网点车辆总数、各个网点待租车辆数、各个时刻下单总数、各个车辆行驶里程数、订单里程数、下单时长及各个时刻被扫描车辆数9个数据特征。

S102，从所述第一特征集合中提取部分数据特征，生成第二数据特征集合。

作为一个具体的实施例，针对共享汽车行业，该第二数据特征集合包括各个网点待租车辆数、各个时刻下单总数、各个车辆行驶里程数、订单里程数、下单时长及各个时刻被扫描车辆数6个数据特征。

S103，将第一数据特征集合及第二数据特征集合分别输入机器学习模型，分别计算第一数据集合各个数据特征与第二数据集合各个数据特征之间的相关系数。

S104，从第二数据特征集合中选择与第一数据特征集合各个数据特征相关系数最大的数据特征，生成第三数据特征集合。

作为一个具体的实施例，在第二数据特征集合中，与第一数据特征集合各个数据特征相关系数最高的数据特征分别为：各个网点待租车辆数、各个时刻下单总数、各个车辆行驶里程数及下单时长，则生成的第三数据特征集合包括各个网点待租车辆数、各个时刻下单总数、各个车辆行驶里程数及下单时长4个数据特征。