[发明专利]预测模型的建立方法、建立装置、移动设备和存储介质

说明书

本发明公开了一种车辆预测模型的建立方法、建立装置、移动设备和存储介质。建立方法包括：将车辆数据样本分为建模数据样本、识别数据样本和验证数据样本；根据建模数据样本建立预测模型；将识别数据样本中的多个样本特征形成多个特征组合，特征组合包括至少一个样本特征；将特征组合输入预测模型以生成第一预测事件；根据第一预测事件的准确率识别多个样本特征中的干扰特征；去除车辆验证数据样本中的干扰特征以获得验证样本；采用验证样本计算预测模型的预测准确率；在预测准确率大于第一预设准确率时，将预测模型确定为目标模型。如此，可以去除车辆数据样本中的干扰特征，有利于目标模型为用户提供准确率更高的预测结果。

技术领域

本发明涉及智能汽车领域，尤其涉及一种车辆预测模型的建立方法、建立装置、移动设备和存储介质。

背景技术

目前，汽车趋向智能化，例如，汽车可以根据乘客偏好调整空调模式，以使在乘客舱中更加舒适。为了使得汽车更加智能，需要借助汽车与乘客进行信息的交互。随着时间的推移，汽车累积的数据量就越来越多，汽车厂商会利用这些数据建立模型以预测车辆或者用户的行为，但是由于被采集的数据中会存在干扰预测过程的干扰项，因此会导致预测结果不准确。

发明内容

本发明实施方式公开了一种车辆预测模型的建立方法、建立装置、移动设备和存储介质。

本发明实施方式的车辆预测模型的建立方法包括：将车辆数据样本分为建模数据样本、识别数据样本和验证数据样本；根据建模数据样本建立预测模型；将识别数据样本中的多个样本特征形成多个特征组合，特征组合包括至少一个样本特征；将特征组合输入预测模型以生成第一预测事件；根据第一预测事件的准确率识别多个样本特征中的干扰特征；去除车辆验证数据样本中的干扰特征以获得验证样本；采用验证样本计算预测模型的预测准确率；在预测准确率大于第一预设准确率时，将预测模型确定为目标模型。

上述建立方法中，可以通过建模数据样本建立预测模型，再通过将多个样本特征形成样本组合，并由特征组合输入预测模型以生成第一预测事件，再根据第一预测事件识别出样本特征中的干扰特征，可以去除干扰特征，从而可以使用已去除干扰特征的验证样本验证预测模型是否为目标模型，有利于目标模型为用户提供准确率更高的预测结果。

在某些实施方式中，根据所述第一预测事件的准确率识别所述多个样本特征中的干扰特征，包括：计算多个所述第一预测事件的准确率与第二预设准确率的偏差均值；根据所述偏差均值识别所述多个样本特征中的干扰特征。

在某些实施方式中，根据所述偏差均值识别所述多个样本特征中的干扰特征，包括：将第一预测事件的准确率均大于第二预设准确率的多个所述特征组合作为干扰集合；获取所述干扰集合中的所述特征组合的偏差均值并作为干扰偏差均值；在所述干扰偏差均值小于阈值时，将所述干扰集合中的所述特征组合的补集特征作为所述干扰特征。

在某些实施方式中，采用所述验证样本计算所述预测模型的预测准确率，包括：将所述验证样本中的多个样本特征形成多个验证特征组合，所述验证特征组合包括至少一个所述验证样本特征；将所述验证特征组合输入预测模型以生成第二预测事件；确定所述第二预测事件的准确率为所述预测准确率。

在某些实施方式中，所述建立方法还包括：获取车辆预测数据样本；将所述车辆预测数据样本输入所述目标模型以生成多个第二预测事件；将准确率最高的第二预测事件确认为最终预测结果。

在某些实施方式中，所述建立方法还包括：获取车辆预测数据样本；将所述车辆预测数据样本输入所述目标模型以生成多个第二预测事件；根据用户反馈将其中一个第二预测事件确认为最终预测结果。

在某些实施方式中，根据所述建模数据样本建立预测模型，包括：根据所述车辆建模数据样本建立初始模型；训练所述初始模型得到所述预测模型。