The embodiment of the invention provides an effect prediction method, device, medium and electronic equipment based on large data, which belongs to the prediction and evaluation technology in the field of large data technology. The method includes: acquiring multiple time periods corresponding to historical data according to time series, and determining the key influence parameters corresponding to each time period from multiple influence parameters of historical data; training machine learning model by taking the historical data corresponding to each time period and the parameters corresponding to the key influence parameters corresponding to each time period as training set; and determining the correlation of the target time period to be predicted. The key influence parameters are input into the machine learning model after training, and the prediction data of the target time period to be predicted are determined according to the output of the machine learning model to obtain the prediction effect. The technical scheme of the embodiment of the present invention can improve the accuracy of data prediction.
【技术实现步骤摘要】
基于大数据的效果预测方法、装置、介质及电子设备
本专利技术涉及数据分析
的预测估值技术,具体而言,涉及一种基于大数据的效果预测方法、基于大数据的效果预测装置、存储介质及电子设备。
技术介绍
随着计算机的普及,数据共享的程度越来越高,导致数据变得越来越复杂和多元。为了充分利用资源,产生最大效益,从而对市场和产品做出更加明智的决策,数据预测成为了管理者的主要依据。现有的预测方法主要是利用历史数据来预测市场或者产品的变化规律,从而得到未来的特定时间点可能产生的效益。此外,还有些预测方法可以预测特定影响因素对市场或者产品的影响,从而可以根据当前或者未来该影响因素的变化预测可能产生的效益。但是影响市场或者产品的影响因素往往是多个,对单一影响因素的市场的预测已不能满足预测的精度要求。因此,如何克服单一影响因素的片面性,对多个影响因素的市场进行预测,提高预测的精确度成为了亟待解决的问题。需要说明的是,在上述
技术介绍
部分公开的信息仅用于加强对本专利技术的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本专利技术实施例的目的在于提供一种基于大数据的效果预测方法,进而至少在一定程度上克服对预测数据的预测精度低的问题。本专利技术的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本专利技术的实践而习得。根据本专利技术实施例的第一方面,提供了一种基于大数据的效果预测方法,包括:按照时间序列获取历史数据对应的多个时间段,并从历史数据的多个影响参数中确定各时间段对应的关键影响参数;将各时间段对应的历史数据与所述各时间段对应的关键影响参数 ...
【技术保护点】
1.一种基于大数据的效果预测方法,其特征在于,包括:按照时间序列获取历史数据对应的多个时间段,并从历史数据的多个影响参数中确定各时间段对应的关键影响参数;将各时间段对应的历史数据与所述各时间段对应的关键影响参数的参数值作为训练集,训练机器学习模型;确定待预测目标时间段的关键影响参数,并将所述关键影响参数的多个参数值输入训练后的所述机器学习模型;根据所述机器学习模型的输出结果,确定所述待预测目标时间段的预测数据,以得到预测效果。
【技术特征摘要】
1.一种基于大数据的效果预测方法,其特征在于,包括:按照时间序列获取历史数据对应的多个时间段,并从历史数据的多个影响参数中确定各时间段对应的关键影响参数;将各时间段对应的历史数据与所述各时间段对应的关键影响参数的参数值作为训练集,训练机器学习模型;确定待预测目标时间段的关键影响参数,并将所述关键影响参数的多个参数值输入训练后的所述机器学习模型;根据所述机器学习模型的输出结果,确定所述待预测目标时间段的预测数据,以得到预测效果。2.根据权利要求1所述的基于大数据的效果预测方法,其特征在于,得到所述待预测目标时间段的预测数据之后包括:计算所述待预测目标时间段的预测数据在所述历史数据基础上的提升比例,以得到所述预测数据的预测效果。3.根据权利要求2所述的基于大数据的效果预测方法,其特征在于,得到所述待预测目标时间段的预测数据之后还包括:获取待预测目标时间段的真实数据,验证所述提升比例是否正确;在所述提升比例不正确时,将所述真实数据和所述关键影响参数的多个参数值加入所述机器学习模型的训练集,训练所述机器学习模型。4.根据权利要求1所述的基于大数据的效果预测方法,其特征在于,所述从历史数据的多个影响参数中确定各时间段对应的关键影响参数包括:分析各时间段对应的历史数据与所述多个影响参数的相关性;选取所述相关性最大的影响参数作为对应时间段的关键影响参数。5.根据权利要求1所述的基于大数据的效果预测方法,其特征在于,所述将所述关键影响参数的多个参数值输入训练后的所述机器学习模型包括:根据待预测目标时间段对应的所述历史数据,增大或减小所述关键影...
【专利技术属性】
技术研发人员:陈伟源,
申请(专利权)人:中国平安人寿保险股份有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。