[发明专利]增量数据预测方法、装置、计算机设备及介质

权利要求书

1.一种增量数据预测方法，其特征在于，所述方法包括：

获取目标数据集中的基准数据点和对比数据点，其中，所述目标数据集包括至少两个目标数据点，每个所述目标数据点包括至少两个目标特征数据；

基于预设的处理策略、所述基准数据点中每个目标数据点的目标特征数据和所述对比数据点中每个目标数据点的目标特征数据，生成目标增量数据集；

基于接收到的原始修订数据点和所述目标增量数据集，生成目标增量数据点。

2.根据权利要求1所述的方法，其特征在于，所述获取目标数据集中的基准数据点和对比数据点之前，还包括：

获取原始数据集，其中，所述原始数据集包括至少一个原始数据点；

基于预设的归一策略对所述原始数据集中每个原始数据点进行归一处理，生成所述目标数据点，得到所述目标数据集。

3.根据权利要求2所述的方法，其特征在于，所述归一策略包括：

获取所述原始数据点中的其中一个原始特征数据，得到中间原始特征数据；当所述中间原始特征数据的数据类别为非数值时，将所述中间原始特征数据通过标签编码或独热编码进行处理，得到更新后的中间原始特征数据，并对更新后的中间原始特征数据设置归一处理标记；

将带有归一处理标记的中间原始特征数据所对应的所述原始数据点确定为所述目标数据点。

4.根据权利要求1所述的方法，其特征在于，所述基于预设的处理策略、所述基准数据点中每个目标数据点的目标特征数据和所述对比数据点中每个目标数据点的所述目标特征数据，生成目标增量数据集，包括：

基于获取的测试数据集生成权重信息集；

将所述基准数据点导入目标预测模型，生成基准预测值；

基于所述权重信息集中的每个权重信息对和预设的筛选策略，从所述基准数据点中筛选出基准特征数据，得到基准特征数据集；

基于所述基准特征数据集中的每个基准特征数据、所述对比数据点中与所述基准特征数据对应的对比特征数据和目标预测模型，生成至少一个增量数据对，得到所述目标增量数据集。

5.根据权利要求4所述的方法，其特征在于，所述基于获取的测试数据集生成权重信息集，包括：

获取测试数据集，其中，所述测试数据集与所述目标数据集相同；

将所述测试数据集拆分为至少两个测试子集，其中，每个所述测试子集对应所述测试数据集的一种特征数据；

将所述至少两个测试子集中的每个测试子集代入相关性模型，生成权重系数，得到至少两个权重系数；

将所述至少两个权重系数中的每个权重系数，以及与所述每个权重系数对应的每种特征数据，生成权重信息对，得到权重信息集。

6.根据权利要求4所述的方法，其特征在于，所述筛选策略包括：

基于所述权重信息集中每个权重信息对中的权重系数，生成中间权重系数集；

从所述中间权重系数集中，筛选出目标权重系数；

将所述目标权重系数对应的目标特征数据确定为所述基准特征数据。

7.根据权利要求6所述的方法，其特征在于，所述基于接收到的原始修订数据点和所述目标增量数据集，生成目标增量数据点，包括：

基于归一策略将所述原始修订数据点中的每个特征数据进行归一处理，得到至少一个修订特征数据；

获取实时数据点；

基于所述实时数据点和所述至少一个修订特征数据中的每个修订特征数据，生成至少一个修订差值；

基于所述至少一个修订差值中的每个修订差值和所述目标增量数据集中与所述每个修订差值对应的增量数据对，生成至少一个目标增量元数据，得到所述目标增量数据点。