基于xgboost算法的工业设计匹配服务方预测方法技术

技术编号:23625266 阅读:24 留言:0更新日期:2020-03-31 22:54
本发明专利技术涉及了一种基于xgboost算法的工业设计匹配服务方预测方法,包括的步骤有获取数据;数据处理;建立Xgboost算法的预测模型;对Xgboost算法的预测模型进行检验。该工业设计匹配服务方预测系统通过第一预测模型预测获知服务方是否合适匹配工业设计用户的需求,解决了从众多服务方中选择一家导致的数据极端不平衡的数据分布的问题发生;再采用第二预测模型再进一步预测匹配后的最终结果给出准确的预测结果,该工业设计匹配服务方预测系统的双模型预测模型架构能有效平衡特征重要性避免过拟合,从而提高预测准确率,不需要人工通过人力收集资料或者走访工业设计服务方,再对比选择,耗时耗力。

Prediction method of industrial design matching service provider based on xgboost algorithm

【技术实现步骤摘要】
基于xgboost算法的工业设计匹配服务方预测方法
本专利技术涉及工业设计平台
,具体地,涉及一种基于xgboost算法的工业设计匹配服务方预测方法,本专利技术还提供一种调用预测模型匹配服务方的预测方法。
技术介绍
工业设计是指硬件产品的设计,含机械设计、造型设计、电路设计、包装设计、模具设计、手板设计等内容。目前大部分生产企业开发新产品时均需要找到合适的第三方工业设计服务方为其设计新产品,但中国作为生产大国有庞大的生产企业,而真正的工业设计企业却很少,两者的不平衡加上信息不通,生产企业选择会更加有限,而这是导致企业创新少,产品没突破的原因之一。一般企业需要进行工业设计产品而选择不同的工业设计服务方,现有企业或需求方是通过人为判断选择工业设计的服务方,此判断方式存在以下问题:1.难以判断服务方的设计能力,工业设计虽说设计美学可通用,但服务方对不同产品的设计水平是不同的,而这差异是受经验、创意、产品钻研水平影响的,通常在服务方未设计出具体产品前是难以判断的,一般工业设计的需求方只能依靠服务方的背景或过往的内容演示作为参考判断,其中人为沟通影响因素大。2.服务方选择范围小并且受信息和空间限制,需求方接触的服务方只是覆盖附近地区的有限数个服务方,且需要和每家服务方对接沟通,耗时耗力。因此,提供一种基于xgboost算法的工业设计匹配服务方预测方法,依据具体的工业设计需求,需求方可以从大量服务方中快速选择出最合适的服务方。
技术实现思路
本专利技术提供了一种基于xgboost算法的工业设计匹配服务方预测方法,通过基于xgboost算法的第一预测模型和第二预测模型形成双模型架构综合判断为工业设计需求方匹配合适的服务方。本专利技术的技术方案如下:一种基于xgboost算法的工业设计匹配服务方预测方法,包括以下步骤:S1.获取数据:从数据库中获取历史匹配结果数据以及历史需求方要求、服务方、交易匹配的数据构成训练数据;S2.数据处理:并对所述历史需求方要求、服务方、交易匹配的数据进行预处理,得到包含多个预处理后的训练数据集;S3.建立Xgboost算法的预测模型:将所述训练数据集作为预测模型的训练数据,所述预测模型的训练数据包括测试集和训练集,并利用所述训练集对所述Xgboost算法的预测模型进行训练,得到Xgboost算法的预测模型;其中,所述预测模型分为第一预测模型和第二预测模型;S4.对Xgboost算法的预测模型进行检验:建立检验模块,所述检验模块采用混淆矩阵、分类错误率曲线、auc曲线、交叉验证法或特征重要性对所述Xgboost算法的预测模型输出的预测匹配结果进行检测并且判断其检验结果是否大于或等于预设目标准确率;S5.对需求方的要求类型进行预测匹配设计服务方:从数据库获取服务方设计数据并提取数据的特征,将相对应数据的特征输入到所述Xgboost算法的预测模型中,得到与需求方要求相匹配的工业设计服务方。优选地,所述第一预测模型和所述第二预测模型是根据所述训练数据集包中含有不同的数据并结合不同数量的训练数据组建成的。优选地,所述第一预测模型为双分类模型,用于预测的工业设计服务方是否匹配需求方用户的需求。优选地,所述第二预测模型为多分类模型,用于预测匹配工业设计服务方的结果。优选地,所述预测匹配工业设计服务方的结果至少包括项目成功、项目失败、匹配没响应、匹配后中断、拒绝匹配和项目终止的概率。优选地,所述检验模块用于对所述第一预测模型或所述第二预测模型输出的预测结果进行检验。优选地,所述训练数据集至少包括历史需求方需求数据、历史交易数据、历史匹配数据、服务方的工业设计案例、服务方的背景信息和需求方的背景信息。优选地,所述检验模块对预测模型预测结果检验的具体步骤包括如下:4a:通过所述检验模块分别对所述第一预测模型和所述第二预测模型输出的结果进行检验,并且判断其检验结果是否大于或等于预设目标准确率;如果大于或等于预设目标准确率,执行步骤4b;如果小于预设目标准确率,执行步骤4c;4b:通过所述检验模块对所述第一预测模型和所述第二预测模型输出的预测结果进行综合检验,输出结果,保存所述预测模型;4c:通过训练调优模型分别对所述第一预测模型和所述第二预测模型的训练数据进行调整,执行步骤所述S2。优选地,所述训练调优模型用于对所述第一预测模型和所述第二预测模型中的训练数据进行调整。基于上述描述的工业设计匹配服务方预测方法,本专利技术还提供一种调用预测模型匹配服务方的预测方法,包括以下步骤:S01.数据的获取:获取需求方工业设计用户的需求数据;S02.调用预测模型:将所述步骤S01中的需求数据输入所述第一预测模型中进行匹配预测,对所述第一预测模型匹配预测的服务方进行判断,判断预测的服务方是否符合需求方工业设计用户的需求;如果符合,执行步骤S03;如果不合符,执行步骤S04;S03.再将所述步骤S01中的需求数据输入所述第二预测模型中进行预测并输出匹配的预测结果;S04.直接输出所述第一预测模型匹配的预测结果为不匹配。本专利技术的有益效果为:与现有技术相比,本专利技术实施例中具有以下优点:(1)通过第一预测模型和第二预测模型形成双模型架构综合判断为工业设计用户匹配合适的服务方。(2)通过第一预测模型预测获知服务方是否合适匹配工业设计用户的需求,解决了从众多服务方中选择一家导致的数据极端不平衡的数据分布的问题发生;再采用第二预测模型再进一步预测匹配后的最终结果给出准确的预测结果,该工业设计匹配服务方预测系统的双模型预测模型架构能有效平衡特征重要性避免过拟合,从而提高预测准确率。(3)通过该工业设计匹配服务方预测方法可以预测符合需求方设计需求的工业设计服务方,解决了需要人工通过人力收集资料或者走访工业设计服务方,再对比选择,耗时耗力。(4)该工业设计匹配服务方预测方法中的预测模型能够对大量的工业设计综合信息学习以及判断,能够避免由于信息获取不足而造成的人为判断偏差,该系统更加精准为需求方匹配工业设计服务方,为工业设计需求者的选择提供便利。附图说明:图1为本专利技术实施例中所述基于xgboost算法的工业设计匹配服务方预测方法的框架图。图2为本专利技术实施例中所述基于xgboost算法的工业设计匹配服务方预测方法中预测模型的框架图。图3为本专利技术实施例中所述基于xgboost算法的工业设计匹配服务方预测方法对预测模型预测结果检验的步骤流程图。图4为本专利技术实施例中所述调用预测模型匹配服务方的预测方法的步骤流程图。具体实施方式为了使本专利技术的专利技术目的,技术方案及技术效果更加清楚明白,下面结合具体实施方式对本专利技术做进一步的说明。应理解,此处所描述的具体实施例,仅用于解释本专利技术,并不用于限定本专利技术。术语“第一”、“第二”仅用本文档来自技高网...

【技术保护点】
1.一种基于xgboost算法的工业设计匹配服务方预测方法,其特征在于,包括以下步骤:/nS1.获取数据:/n从数据库中获取历史匹配结果数据以及历史需求方要求、服务方、交易匹配的数据构成训练数据;/nS2.数据处理:/n并对所述历史需求方要求、服务方、交易匹配的数据进行预处理,得到包含多个预处理后的训练数据集;/nS3.建立Xgboost算法的预测模型:/n将所述训练数据集作为预测模型的训练数据,所述预测模型的训练数据包括测试集和训练集,并利用所述训练集对所述Xgboost算法的预测模型进行训练,得到Xgboost算法的预测模型;其中,所述预测模型分为第一预测模型和第二预测模型;/nS4.对Xgboost算法的预测模型进行检验:/n建立检验模块,所述检验模块采用混淆矩阵、分类错误率曲线、auc曲线、交叉验证法或特征重要性对所述Xgboost算法的预测模型输出的预测匹配结果进行检测并且判断其检验结果是否大于或等于预设目标准确率;/nS5.对需求方的要求类型进行预测匹配设计服务方:/n从数据库获取服务方设计数据并提取数据的特征,将相对应数据的特征输入到所述Xgboost算法的预测模型中,得到与需求方要求相匹配的工业设计服务方。/n...

【技术特征摘要】
1.一种基于xgboost算法的工业设计匹配服务方预测方法,其特征在于,包括以下步骤:
S1.获取数据:
从数据库中获取历史匹配结果数据以及历史需求方要求、服务方、交易匹配的数据构成训练数据;
S2.数据处理:
并对所述历史需求方要求、服务方、交易匹配的数据进行预处理,得到包含多个预处理后的训练数据集;
S3.建立Xgboost算法的预测模型:
将所述训练数据集作为预测模型的训练数据,所述预测模型的训练数据包括测试集和训练集,并利用所述训练集对所述Xgboost算法的预测模型进行训练,得到Xgboost算法的预测模型;其中,所述预测模型分为第一预测模型和第二预测模型;
S4.对Xgboost算法的预测模型进行检验:
建立检验模块,所述检验模块采用混淆矩阵、分类错误率曲线、auc曲线、交叉验证法或特征重要性对所述Xgboost算法的预测模型输出的预测匹配结果进行检测并且判断其检验结果是否大于或等于预设目标准确率;
S5.对需求方的要求类型进行预测匹配设计服务方:
从数据库获取服务方设计数据并提取数据的特征,将相对应数据的特征输入到所述Xgboost算法的预测模型中,得到与需求方要求相匹配的工业设计服务方。


2.根据权利要求1所述的基于xgboost算法的工业设计匹配服务方预测方法,其特征在于,所述第一预测模型和所述第二预测模型是根据所述训练数据集包中含有不同的数据并结合不同数量的训练数据组建成的。


3.根据权利要求2所述的基于xgboost算法的工业设计匹配服务方预测方法,其特征在于,所述第一预测模型为双分类模型,用于预测的工业设计服务方是否匹配需求方用户的需求。


4.根据权利要求2所述的基于xgboost算法的工业设计匹配服务方预测方法,其特征在于,所述第二预测模型为多分类模型,用于预测匹配工业设计服务方的结果。


5.根据权利要求4所述的基于xgboost算法的工业设计匹配服务方预测方法,其特征在于,所述预测匹配工业设计服务方的结果至少包括项目成功、项目失败、匹配没响应、匹配后中断、拒绝匹配和项目终止的概率。


6...

【专利技术属性】
技术研发人员:吴志豪
申请(专利权)人:广州泽沐信息科技有限责任公司
类型:发明
国别省市:广东;44

网友询问留言 已有0条评论
  • 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。

1