[发明专利]数据预测方法及装置

权利要求书

1.一种数据预测方法，包括：

确定目标数据；

获取所述目标数据的特征数据；

将所述特征数据输入至预先训练得到的数据预测模型中，得到对于所述目标数据的预测结果，其中，所述数据预测模型包括顺次连接的多层数据预测子模型，且所述数据预测模型是基于分层正交化机制训练得到的。

2.根据权利要求1所述的方法，所述方法进一步包括：

确定数据预测模型原型，其中，所述数据预测模型原型包括顺次连接的多层数据预测子模型；

对于所述数据预测模型原型进行正交初始化，得到初始数据预测模型；

获取训练数据集合，其中，所述训练数据集合中包括训练数据的特征数据和与所述训练数据对应的标签数据；

将所述训练数据的特征数据作为输入，将与所述训练数据对应的标签数据作为输出对于所述初始数据预测模型进行训练，得到数据预测模型。

3.根据权利要求2所述的方法，所述对于所述数据预测模型原型进行正交初始化，得到初始数据预测模型，包括：

对于所述多层数据预测子模型分别进行正交初始化，得到正交初始化后的数据预测子模型；

将正交初始化后的数据预测子模型顺次连接，得到所述初始数据预测模型。

4.根据权利要求3所述的方法，所述对于所述多层数据预测子模型分别进行正交初始化，包括：

对于每一数据预测子模型，确定所述数据预测子模型的训练输入数据，并将所述训练输入数据转换为训练输入方阵；

设置所述数据预测子模型的原始参数；

将所述训练输入方阵输入至所述数据预测子模型中，得到训练输出方阵；

获取所述训练输出方阵的本征值；

计算得到所述训练输出方阵本征值的正则项；

设置所述正则项的第一目标函数，在所述第一目标函数的约束下，迭代获取所述数据预测子模型的子模型参数，作为所述数据预测子模型的初始参数。

5.根据权利要求4所述的方法，所述将所述训练数据的特征数据作为输入，将与所述训练数据对应的标签数据作为输出对于所述初始数据预测模型进行训练，得到数据预测模型，包括：

基于所述数据预测子模型对应的正则项，设置所述数据预测模型的第二目标函数；

将所述训练数据的特征数据作为输入，将与所述训练数据对应的标签数据作为输出，在所述第二目标函数的约束下，对于所述初始数据预测模型进行迭代训练，确定所述数据预测子模型的参数，得到所述数据预测模型。

6.一种数据预测装置，包括：

确定模块，被配置为确定目标数据；

获取模块，被配置为获取所述目标数据的特征数据；

预测模块，被配置为将所述特征数据输入至预先训练得到的数据预测模型中，得到对于所述目标数据的预测结果，其中，所述数据预测模型包括顺次连接的多层数据预测子模型，且所述数据预测模型是基于分层正交化机制训练得到的。

7.根据权利要求6所述的装置，所述装置进一步包括训练模块，所述训练模块被配置为：

确定数据预测模型原型，其中，所述数据预测模型原型包括顺次连接的多层数据预测子模型；

对于所述数据预测模型原型进行正交初始化，得到初始数据预测模型；

获取训练数据集合，其中，所述训练数据集合中包括训练数据的特征数据和与所述训练数据对应的标签数据；

将所述训练数据的特征数据作为输入，将与所述训练数据对应的标签数据作为输出对于所述初始数据预测模型进行训练，得到数据预测模型。

8.根据权利要求7所述的装置，所述对于所述数据预测模型原型进行正交初始化，得到初始数据预测模型的部分，被配置为：

对于所述多层数据预测子模型分别进行正交初始化，得到正交初始化后的数据预测子模型；

将正交初始化后的数据预测子模型顺次连接，得到所述初始数据预测模型。