【技术实现步骤摘要】
资源模型训练方法、资源缺口预测方法、装置及电子设备
本申请涉及数据处理
，具体而言，涉及一种资源模型训练方法、资源缺口预测方法、装置及电子设备。
技术介绍
在线请求、线下服务的相关服务(例如，网约车、外卖等)出现的最初诉求是更好更快地满足用户的需求。影响这一诉求的重要指标包括发送服务请求的数量与成功响应请求的数量的相关数据。而现有的多数是根据当前的数据状态分配相关服务资源，但是往往根据当前的数据。
技术实现思路
有鉴于此，本申请实施例的目的在于提供一种资源模型训练方法、资源缺口预测方法、装置及电子设备，能够通过得到一资源预测模型解决现有技术中存在的对一区域的资源情况不了解的问题，达到方便相关人员使用资源预测模型对一区域的资源情况进行预测的效果。根据本申请的一个方面，提供一种电子设备，可以包括一个或多个存储介质和一个或多个与存储介质通信的处理器。一个或多个存储介质存储有处理器可执行的机器可读指令。当电子设备运行时，处理器与存储介质之间通过总线通信，处理器执行所述机器可读指令，以执行一个或多个以下操作：获取一区域的训练数据，所述训练数据包括当前时间之前的第一时间段的资源使用数据，所述资源使用数据包括：资源供应数、资源请求数；将所述训练数据按照设定的时间段长度分成多段子数据；根据所述资源供应数及所述资源请求数计算得到每段子数据对应的资源缺乏系数，所述资源缺乏系数用于表征下单量与可供应资源数的差异；将每段所述子数据对应的资源缺乏系数分别输入待训练模型中调整所述...
【技术保护点】
1.一种资源模型训练方法，其特征在于，包括：/n获取一区域的训练数据，所述训练数据包括当前时间之前的第一时间段的资源使用数据，所述资源使用数据包括：资源供应数、资源请求数；/n将所述训练数据按照设定的时间段长度分成多段子数据；/n根据所述资源供应数及所述资源请求数计算得到每段子数据对应的资源缺乏系数，所述资源缺乏系数用于表征下单量与可供应资源数的差异；/n将每段所述子数据对应的资源缺乏系数分别输入待训练模型中调整所述待训练模型中的参数，得到所述时间段长度对应的每个时间段的资源预测模型，所述资源预测模型表示出所述资源缺乏系数与所述资源使用数据中各数据之间的关系。/n
【技术特征摘要】
1.一种资源模型训练方法，其特征在于，包括：
获取一区域的训练数据，所述训练数据包括当前时间之前的第一时间段的资源使用数据，所述资源使用数据包括：资源供应数、资源请求数；
将所述训练数据按照设定的时间段长度分成多段子数据；
根据所述资源供应数及所述资源请求数计算得到每段子数据对应的资源缺乏系数，所述资源缺乏系数用于表征下单量与可供应资源数的差异；
将每段所述子数据对应的资源缺乏系数分别输入待训练模型中调整所述待训练模型中的参数，得到所述时间段长度对应的每个时间段的资源预测模型，所述资源预测模型表示出所述资源缺乏系数与所述资源使用数据中各数据之间的关系。
2.如权利要求1所述的方法，其特征在于，所述资源使用数据还包括：响应资源请求的时间长度；所述将每段所述子数据对应的资源缺乏系数分别输入待训练模型中调整所述待训练模型中的参数，包括：
将所述每段所述子数据对应的资源缺乏系数作为待训练模型的输入，将所述响应资源请求的时间长度作为所述待训练模型的输出，调整所述待训练模型中的参数，经过多次循环调整所述待训练模型中的参数；训练得到资源缺乏系数与所述响应资源请求的时间长度的第一关系模型，将所述第一关系模型作为资源预测模型。
3.如权利要求2所述的方法，其特征在于，所述将每段所述子数据对应的资源缺乏系数分别输入待训练模型中调整所述待训练模型中的参数，包括：
将所述每段所述子数据对应的资源缺乏系数作为待训练模型的输入，将所述响应资源请求的时间长度作为所述待训练模型的输出，在计算过程中调整所述待训练模型中的参数，得到第一初步模型；
根据所述初步模型计算得到响应资源请求的时间长度的预测值；
将所述响应资源请求的时间长度的预测值与对应时间段中的测试数据中与该预测值对应的实际值计算损失值，所述测试数据包括当前时间之前的第二时间段的资源使用数据；
循环上述的步骤，直到所述损失值小于设定值，损失值小于设定值时对应的第一初步模型作为资源预测模型。
4.如权利要求3所述的方法，其特征在于，将所述响应资源请求的时间长度的预测值与对应时间段中的测试数据中与该预测值对应的实际值计算损失值的步骤，包括：
将所述预测值与对应时间段中的测试数据中与该预测值对应的实际值使用平方损失函数计算损失值。
5.如权利要求3所述的方法，其特征在于，所述将所述每段所述子数据对应的资源缺乏系数作为待训练模型的输入，将所述响应资源请求的时间长度作为所述待训练模型的输出，在计算过程中调整所述待训练模型中的参数的步骤，包括：
将所述每段所述子数据对应的资源缺乏系数作为待训练模型的输入，将所述响应资源请求的时间长度作为所述待训练模型的输出，使用梯度下降法计算调整所述待训练模型中的参数；或者，
将所述每段所述子数据对应的资源缺乏系数作为待训练模型的输入，将所述响应资源请求的时间长度作为所述待训练模型的输出，使用牛顿法计算调整所述待训练模型中的参数；或者，
将所述每段所述子数据对应的资源缺乏系数作为待训练模型的输入，将所述响应资源请求的时间长度作为所述待训练模型的输出，使用拉格朗日法计算调整所述待训练模型中的参数；或者，
将所述每段所述子数据对应的资源缺乏系数作为待训练模型的输入，将所述响应资源请求的时间长度作为所述待训练模型的输出，使用交替方向乘子法计算调整所述待训练模型中的参数。
6.如权利要求1所述的方法，其特征在于，所述资源使用数据还包括：资源成单率，所述资源成单率表示资源请求数与实际接收请求数的比例；所述将每段所述子数据对应的资源缺乏系数分别输入待训练模型中调整所述待训练模型中的参数，包括：
将所述每段所述子数据对应的资源缺乏系数作为待训练模型的输入，将所述资源成单率作为所述待训练模型的输出，调整所述待训练模型中的参数，经过多次循环调整所述待训练模型中的参数；训练得到资源缺乏系数与所述资源成单率的第二关系模型，将所述第二关系模型作为资源预测模型。
7.如权利要求6所述的方法，其特征在于，所述将每段所述子数据对应的资源缺乏系数分别输入待训练模型中调整所述待训练模型中的参数，包括：
将所述每段所述子数据对应的资源缺乏系数作为待训练模型的输入，将所述资源成单率作为所述待训练模型的输出，在计算过程中调整所述待训练模型中的参数，得到第二初步模型；
根据所述初步模型计算得到资源成单率的预测值；
将所述资源成单率的预测值与对应时间段中的测试数据中与该预测值对应的实际值计算损失值，所述测试数据包括当前时间之前的第二时间段的资源使用数据；
循环上述的步骤，直到所述损失值小于设定值，损失值小于设定值时对应的第二初步模型作为资源预测模型。
8.如权利要求7所述的方法，其特征在于，将所述资源成单率的预测值与对应时间段中的测试数据中与该预测值对应的实际值计算损失值的步骤，包括：
将所述预测值与对应时间段中的测试数据中与该预测值对应的实际值使用平方损失函数计算损失值。
9.如权利要求8所述的方法，其特征在于，所述将所述每段所述子数据对应的资源缺乏系数作为待训练模型的输入，将所述资源成单率作为所述待训练模型的输出，在计算过程中调整所述待训练模型中的参数的步骤，包括：
将所述每段所述子数据对应的资源缺乏系数作为待训练模型的输入，将所述资源成单率作为所述待训练模型的输出，使用梯度下降法计算调整所述待训练模型中的参数；或者，
将所述每段所述子数据对应的资源缺乏系数作为待训练模型的输入，将所述资源成单率作为所述待训练模型的输出，使用牛顿法计算调整所述待训练模型中的参数；或者，
将所述每段所述子数据对应的资源缺乏系数作为待训练模型的输入，将所述资源成单率作为所述待训练模型的输出，使用拉格朗日法计算调整所述待训练模型中的参数；或者，
将所述每段所述子数据对应的资源缺乏系数作为待训练模型的输入，将所述资源成单率作为所述待训练模型的输出，使用交替方向乘子法计算调整所述待训练模型中的参数。
10.如权利要求1-9任意一项所述的方法，其特征在于，所述待训练模型包括：线性回归模型、多项式回归模型、指数回归模型、正则项回归模型中的至少一种。
11.如权利要求1-9任意一项所述的方法，其特征在于，所述设定的时间段长度包括一小时，所述将所述训练数据按照设定的时间段长度分成多段子数据的步骤，包括：
将所述训练数据中每天对应小时时间段的数据形成一子数据，形成二十四组子数据；
所述将每段所述子数据及该段所述子数据对应的资源缺乏系数据分别输入待训练模型中调整所述待训练模型中的参数，得到所述时间段长度对应的每个时间段的资源预测模型的步骤，包括：
将所述二十四组子数据及每组所述子数据对应的资源缺乏系数据分别输入待训练模型中调整所述待训练模型中的参数，得到二十四个的资源预测模型。
12.如权利要求1-9任意一项所述的方法，其特征在于，所述获取一区域的训练数据的步骤，包括：
获取一城市的训练数据；或者，
获取限定区域内的训练数据；或者，
获取携带的属性相同的区域的训练数据，所述属性包括：地理位置属性、居住人群类型。
13.一种资源缺口预测方法，其特征在于，包括：
将一目标区域中的历史数据输入订单量预测模型中对待预测时间段的订单量进行预测，得到订单预测量；
将所述订单预测量输入权利要求1-12任意一项所述的...
【专利技术属性】
技术研发人员：石贤芝，丁建栋，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11
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。