[发明专利]量化特征指标对标签影响的分析方法、系统、介质和终端

说明书

本发明提供一种量化特征指标对标签影响的分析方法、系统、介质及终端，方法包括：获取样本数据，并对所述样本数据进行标定，根据标定后的样本数据建立量化影响模型，并对其进行训练；量化影响模型包括用于根据量化特征指标对标签影响进行回归预测的第一量化影响模型和用于数据匹配分析的第二量化影响模型；根据样本数据量和业务需求选择第一量化影响模型或第二量化影响模型，获取影响量化值，完成量化特征指标对标签影响的分析；本发明可以通过多种基础模型的扩充选择与综合评分系统的构建，能使预测结果更加准确，通过数据匹配分析，使分析结果更加直观与现实联系更加紧密，不限于异常的量化分析，具有普适性，有利于帮助使用者优化调控。

技术领域

本发明涉及计算机技术领域，尤其涉及一种量化特征指标对标签影响的分析方法、系统、介质和终端。

背景技术

随着计算机技术的发展，网络数据增长迅速，在大数据时代背景下，对大数据的需求，对数据所代表含义的追逐，使得对数据的挖掘分析变得至关重要。目前，分析数据的方法很多，通过在计算机中输入相应算法，再代入数据，就可以实现得到数据间的关系。当产生实际需求时，通过算法相互组合、优化，又可以得到新的数据处理的方法。所以，算法不是一成不变的，可以根据具体需求而做出新的优化。

目前，在一个生产项目中，对历史数据的挖掘分析，再实时输入相应参数，能帮其优化调控，查找异常。对于特定指标，如能源损耗，温度控制等，有着巨大作用。但现有的分析方法，在面对多特征值的影响分析时，现有的方法并不能直接量化特征值对标签值的影响，甚至并不适用于单个特征值对标签值的影响。而一些量化影响的方法，在应用方面十分狭隘，只具备在特定领域有一定推广性，并不能适用于多种情景，无法具体量化特征指标对标签的影响，不利于使用者自主判断优化调控，。

发明内容

鉴于以上所述现有技术的缺点，本发明提供一种量化特征指标对标签影响的分析方法、系统、介质和终端，以解决上述技术问题。

本发明提供的量化特征指标对标签影响的分析方法，包括：

获取样本数据，并对所述样本数据进行标定，根据标定后的样本数据建立量化影响模型，并对其进行训练；所述量化影响模型包括用于根据量化特征指标对标签影响进行回归预测的第一量化影响模型和用于数据匹配分析的第二量化影响模型；

将待分析的实时数据输入至第一量化影响模型，所述第一量化影响模型包括多种不同基于机器学习的算法模型；对各算法模型进行评分，根据评分结果，获取最佳模型，通过最佳模型获取第一影响量化值；

或者，

将待分析的实时数据输入至所述第二量化影响模型，获取第二影响量化值；所述第二量化影响模型通过离散化使数据区间化，根据每个特征参数区间交集所包含的所有数据的标签值，获取交集区间的标签值，根据所述交集区间的标签值和预先获取的标准标签值，获取第二影响量化值；

根据样本数据量和业务需求选择第一量化影响模型或第二量化影响模型，获取影响量化值，完成量化特征指标对标签影响的分析。

于本发明的一实施例中，所述对所述第一量化影响模型中的各算法模型进行评分，包括设置多种评分方式，根据样本总量、符合标准数量、样本的真实值、样本的预测值、各评分方式的指标得分和指标权重，获取多个评分方式的综合评分，作为所述评分结果；所述多种不同基于机器学习的算法模型包括线性回归模型、SVR、神经网络回归模型、随机森林回归模型、Xgboost模型。

于本发明的一实施例中，所述通过最佳模型获取第一影响量化值包括

对所述待分析的实时数据进行处理；所述待分析的实时数据包括一特征参数和其他若干待分析特征参数，所述其他若干待分析特征参数由标准值替代；

获取第一模型输出结果，所述第一模型输出结果包括实时数据中的所述特征参数对应的标签值，根据所述标签值和预先获取的标准标签值，获取第一影响量化值。