[发明专利]数据预测方法、装置、设备及存储介质

权利要求书

1.一种数据预测方法，其特征在于，包括：

采集核验决策树的样本数据，所述样本数据中包括请求数据、对所述请求数据进行核验得到的核验结果数据及对所述核验结果数据进行相应后处理的处理结果数据；

提取所述请求数据中的多个特征数据，根据预定的系数计算方法计算每一特征数据在每一核验决策树中的重要系数；

根据所述重要系数从所述多个特征数据中选取目标特征数据；

将所述目标特征数据、所述核验结果数据及所述处理结果数据输入至核验决策树中进行训练，以及对训练后的多个核验决策树进行拟合得到弱模型序列；

按照预定的组合方式对所述弱模型序列进行组合得到集合模型；

获取待核验的请求数据，利用所述集合模型对所述待核验的请求数据进行预测，得到所述待核验的请求数据对应的核验结果数据及处理结果数据；

其中，所述根据预定的系数计算方法计算每一特征数据在每一核验决策树中的重要系数的步骤，具体包括：采用基尼系数计算公式计算每个特征数据在所述核验决策树节点n的变化量均值、所述节点n分支前的节点的变化量均值及所述节点n分支后的节点的变化量均值；将所述节点n的变化量均值、所述节点n分支前的节点的变化量均值及所述节点n分支后的节点的变化量均值输入预定的第一公式进行计算，得到所述特征数据在所述节点n的重要系数；将所述节点n的重要系数输入预定的第二公式中进行计算，得到所述特征数据在所述核验决策树中的重要系数；

所述第一公式包括：W_in＝G_n-G_P-G_q，W_in为特征数据X_i在所述核验决策树节点n的重要系数，i为特征数据X_i在特征序列中的序号，G_n为所述节点n的变化量均值，G_P为所述节点n分支前的节点p的变化量均值，G_q为所述节点n分支后的节点q的变化量均值；

所述第二公式包括：R为特征数据X_i在所述核验决策树中的重要系数，W_in为特征数据X_i在所述核验决策树节点n的重要系数，W_j为特征数据X_i在第j棵核验决策树节点n的重要系数，c为核验决策树的数量，j为核验决策树的序号；

所述按照预定的组合方式对所述弱模型序列进行组合得到集合模型的步骤，具体包括：将所述弱模型序列输入最大值函数中进行运算，得到所述集合模型，所述集合模型为U(X)为所述集合模型，X为所述预定的核验决策，u_i(X)为所述弱模型序列，i为弱模型在弱模型序列中的序号，k为所述弱模型序列的长度，Z为响应变量，L为集合示性函数，arg max为所述最大值函数。

2.根据权利要求1所述的数据预测方法，其特征在于，所述获取待核验的请求数据，利用所述集合模型对所述待核验的请求数据进行预测，得到所述待核验的请求数据对应的核验结果数据及处理结果数据的步骤之前，还包括：

采用验证曲线自适应地调整所述集合模型中核验决策树的数目及树最大深度，及采用学习曲线调整所述集合模型中每一核验决策树的样本数据的数量；

对调整后的集合模型进行测试，若测试得到所述调整后的集合模型的准确率大于等于预定的准确率，则将所述调整后的集合模型用于预测。

3.根据权利要求1所述的数据预测方法，其特征在于，所述采集核验决策树的样本数据包括：每次随机且有放回地从预设的数据集合中抽取与所述数据集合的数据数量相等的数据，作为所述每一核验决策树的样本数据。