[发明专利]时间特征的处理方法、处理装置

权利要求书

1.一种时间特征的处理方法，其特征在于，包括以下步骤：

获取数据集，所述数据集包括时间特征和与所述时间特征对应的参数预测值，所述时间特征包括日期和时刻；

将所述数据集分为训练数据集、交叉验证数据集和测试数据集；

将所述训练数据集中的时间特征转化为十进制数值型时间特征后，采用聚类算法对所述训练数据集进行聚类，并输出聚类结果；

采用至少一种用于分类的机器学习算法对所述时间特征和所述聚类结果进行机器学习；

采用所述交叉验证数据集验证所述机器学习算法输出结果的准确性，并根据所述准确性对所述机器学习算法的参数进行调整，直到机器学习算法训练出符合要求的分类模型；

将所述测试数据集中的时间特征转化为十进制数值型时间特征后，输入所述分类模型，以使所述分类模型输出分类结果。

2.根据权利要求1所述的时间特征的处理方法，其特征在于，将所述数据集分为训练数据集、交叉验证数据集和测试数据集，具体包括：

将所述数据集的60％作为训练数据集、20％作为交叉验证数据集、20％作为测试数据集。

3.根据权利要求1所述的时间特征的处理方法，其特征在于，所述聚类算法包括K均值聚类算法。

4.根据权利要求1所述的时间特征的处理方法，其特征在于，所述用于分类的机器学习算法包括三个。

5.根据权利要求4所述的时间特征的处理方法，其特征在于，所述用于分类的机器学习算法包括：支持向量机、GBDT分类和逻辑回归。

6.一种时间特征的处理装置，其特征在于，包括：

获取模块，所述获取模块用于获取数据集，并将所述数据集分为训练数据集、交叉验证数据集和测试数据集，其中，所述数据集包括时间特征和与所述时间特征对应的参数预测值，所述时间特征包括日期和时刻；

转化模块，所述转化模块用于将所述训练数据集中的时间特征转化为十进制数值型时间特征后，采用聚类算法对所述训练数据集进行聚类，并输出聚类结果；

机器学习模块，所述机器学习模块用于采用至少一种用于分类的机器学习算法对所述时间特征和所述聚类结果进行机器学习；

训练模块，所述训练模块用于采用所述交叉验证数据集验证所述机器学习算法输出结果的准确性，并根据所述准确性对所述机器学习算法的参数进行调整，直到机器学习算法训练出符合要求的分类模型；

处理模块，所述处理模块用于将所述测试数据集中的时间特征转化为十进制数值型时间特征后，输入所述分类模型，以使所述分类模型输出分类结果。

7.根据权利要求6述的时间特征的处理装置，其特征在于，所述获取模块具体用于：将所述数据集的60％作为训练数据集、20％作为交叉验证数据集、20％作为测试数据集。

8.根据权利要求6述的时间特征的处理装置，其特征在于，所述聚类算法包括K均值聚类算法。

9.根据权利要求6述的时间特征的处理装置，其特征在于，所述用于分类的机器学习算法包括三个。

10.根据权利要求9述的时间特征的处理装置，其特征在于，所述用于分类的机器学习算法包括：支持向量机、GBDT分类和逻辑回归。