[发明专利]一种数据检测的方法、装置、电子设备及存储介质

权利要求书

1.一种数据检测的方法，其特征在于，通过终端设备提供一图形用户界面，所述方法包括：

针对所有用户通过电子视力表检测得到的原始数据，根据预设的多个类型的清洗标准对所述原始数据进行清洗，得到清洗后的待检测数据；

根据所述待检测数据的数量和预设的数量阈值，使用与该待检测数据对应的目标分类模型对所述待检测数据的有效率性进行分类，得到所述待检测数据的分类结果；所述分类结果包括初选有效数据和无效数据；

根据所述初选有效数据中包含的用户标识，确定各个用户对应的所述初选有效数据；若存在任一目标用户对应有多个在预设的时间段进行检测的目标初选有效数据，根据所述目标初选有效数据所在等级内其他初选有效数据，对该目标用户的多个目标初选有效数据进行筛选，确定出所述目标用户的终选有效数据，并在所述图形用户界面显示所述终选有效数据；所述等级是根据用户的年龄和视力情况进行区分的；

根据所述目标初选有效数据所在等级内其他初选有效数据，对该目标用户的多个目标初选有效数据进行筛选，确定出所述目标用户的终选有效数据，包括：等级内异常值检测、等级内波动系数判定和置信判定；

响应用户针对所述终选有效数据的确认操作，在所述终选有效数据确认有效时，通过对各个用户的终选有效数据进行分析，为后续工作生成指导意见。

2.根据权利要求1所述的方法，其特征在于，所述目标分类模型为分类预测模型，所述分类预测模型为组合学习器，所述组合学习器包括多个子学习器；

所述根据所述待检测数据的数量和预设的数量阈值，使用与该待检测数据对应的目标分类模型对所述待检测数据的有效率性进行分类，包括：

若所述待检测数据的数量大于等于预设的数量阈值，使用各个子学习器分别对所述待检测数据的有效率性进行判断；

根据各个子学习器的判断结果，对所述待检测数据的有效率性进行分类。

3.根据权利要求2所述的方法，其特征在于，所述方法通过以下方式得到所述分类预测模型：

获取训练数据，并根据所述训练数据中首检眼别数据，将所述训练数据划分为正样本数据和负样本数据；

根据预设的宽表列表中包含的各个特征，分别确定出所述正样本数据和所述负样本数据中包含的初始特征数据，并从所述初始特征数据中筛选出目标特征数据；

根据所述正样本数据的目标特征数据和所述负样本数据的目标特征数据，构建多个训练样本；

使用各个训练样本生成对应的决策树，并使用决策树对初始学习器进行训练，得到该决策树对应的子学习器；

对各个所述决策树对应的子学习器进行整合，得到所述分类预测模型。

4.根据权利要求1所述的方法，其特征在于，所述目标分类模型为距离计算模型，所述根据所述待检测数据的数量和预设的数量阈值，使用与该待检测数据对应的目标分类模型对所述待检测数据的有效率性进行分类，包括：

若所述待检测数据的数量小于预设的数量阈值，使用预设的所述距离计算模型计算所述待检测数据与预设的对比样本数据之间的距离；

根据所述待检测数据与预设的目标对比样本数据之间的距离，对所述待检测数据的有效率性进行分类。

5.根据权利要求4所述的方法，其特征在于，所述方法通过以下方式得到所述距离计算模型：

获取多组训练数据，并计算各组所述训练数据的中心数据与初始计算模型中初始对比样本数据之间的距离；

根据该组中心数据的训练属性的类型，对初始对比样本数据进行调整，直至所述中心数据与初始计算模型中初始对比样本数据之间的距离小于等于预设的距离阈值，得到目标对比样本数据；

将包含有目标对比样本数据的计算模型作为所述距离计算模型。