基于人工智能的行为预测方法、装置、终端及存储介质制造方法及图纸

本发明专利技术涉及人工智能技术领域，提供一种基于人工智能的行为预测方法、装置、终端及存储介质，包括：对原始样本数据集进行分群得到多个群样本数据集；使用第一种群生成模型根据多个群样本数据集生成第一代种群，其中，同一个群样本数据集中的原始样本数据对应同一个标识；使用XGBoost模型对第一代种群进行训练得到多个预测值，并根据多个预测值计算头部预测准确率，使用遗传算法根据头部预测准确率对多个群样本数据集进行迭代寻优直到得到目标种群；基于目标种群中为第一标识的原始样本数据构建样本数据子集，并训练行为预测模型来预测目标用户的行为。本发明专利技术能够使得行为预测模型训练的目标与业务场景的目标保持一致，提高头部人群的行为预测的准确率。

【技术实现步骤摘要】
基于人工智能的行为预测方法、装置、终端及存储介质
本专利技术涉及人工智能
，具体涉及一种基于人工智能的行为预测方法、装置、终端及存储介质。
技术介绍
在代理人业绩考核业务中，需要通过预测模型对新入司的准代理人进行打分，然后以打分最高(最容易低业绩)的前1％人群的低业绩准确率作为衡量模型的最终目标，对这类人不予入司申请，所以对这些人的低业绩预测准确率要求很高。专利技术人在实现本专利技术的过程中发现，常见的基于机器学习的预测模型大多是以模型的logloss或者交叉熵作为模型训练的损失函数，训练出的预测模型在基于整体样本的排序的AUC指标上有良好的效果，然而在代理人业绩预测场景中，并不要求对整体样本的AUC有过高的要求，只是对于头部样本的预测准确率有较高的要求，这就造成了模型训练的目标和业务场景的目标不一致的情况。
技术实现思路
鉴于以上内容，有必要提出一种基于人工智能的行为预测方法、装置、终端及存储介质，能够使得行为预测模型训练的目标与业务场景的目标保持一致，提高头部人群的行为预测的准确率。本专利技术的第一方面提供一种基于人工智能的行为预测方法，所述方法包括：对原始样本数据集进行分群得到多个群样本数据集；使用第一种群生成模型根据所述多个群样本数据集生成第一代种群，其中，同一个群样本数据集中的所有原始样本数据对应同一个标识；使用XGBoost模型对所述第一代种群进行训练得到多个第一预测值，并根据所述多个第一预测值计算第一头部预测准确率，使用遗传算法根据所述第一头部预测准确率对所述多个群样本数据集进行寻优得到第二代种群；使用所述XGBoost模型对所述第二代种群进行迭代训练得到多个第二预测值，并根据所述多个第二预测值计算第二头部预测准确率，使用所述遗传算法根据所述第二头部预测准确率对所述多个群样本数据集进行迭代寻优，直到得到目标种群；基于所述目标种群中为第一标识的原始样本数据构建样本数据子集，并使用所述XGBoost模型对所述样本数据子集进行训练得到行为预测模型；调用所述行为预测模型预测目标用户的行为。可选的，所述对原始样本数据集进行分群得到多个群样本数据集包括：使用主成分分析算法提取所述原始样本数据集的多个特征；对所述多个特征按照从大到小进行排序；选取排序后的多个特征中的前预设第一数量的目标特征；根据所述前预设第一数量的目标特征生成基空间；将所述原始样本数据集中的每个原始样本数据投影到所述基空间中得到对应的样本特征；根据所述样本特征对所述原始样本数据集进行聚类得到多个群样本数据集。可选的，所述使用第一种群生成模型根据所述多个群样本数据集生成第一代种群包括：为每个群样本数据集随机生成第一标识或者生成第二标识；根据每个群样本数据集的所述第一标识或者所述第二标识对所述多个群样本数据集进行排列组合；根据所有排列组合对应的多个群样本数据集及标识生成第一代种群。可选的，所述根据所述多个第一预测值计算第一头部预测准确率包括：对所述多个第一预测值按照从大到小进行排序；选取排序后的多个第一预测值中的前预设第二数量的目标预测值；获取所述前预设第二数量的目标预测值对应的真实值；根据所述前预设第二数量的目标预测值及对应的真实值计算第一头部预测准确率。可选的，在所述对原始样本数据集进行分群得到多个群样本数据集之前，所述方法还包括：判断所述原始样本数据集的数量是否大于预设数量阈值；当所述原始样本数据集的数量大于或者等于所述预设数量阈值时，对所述原始样本数据集进行分群；当所述原始样本数据集的数量小于所述预设数量阈值时，使用第二种群生成模型根据所述原始样本数据集生成第一代种群。可选的，所述使用第二种群生成模型根据所述原始样本数据集生成第一代种群包括：初始化比例值序列；迭代读取所述比例值序列中的一个目标比例值，并从所述原始样本数据集中随机选择所述目标比例值的目标原始样本数据；为所述目标原始样本数据生成第一标识，及为其余原始样本数据生成第二标识；将所述目标原始样本数据及对应的所述第一标识，所述其余原始样本数据及对应的所述第二标识确定为第二样本数据集；根据所述比例值序列中的每个目标比例值对应的第二样本数据集生成第一代种群。可选的，所述调用所述行为预测模型预测目标用户的行为包括：将所述目标用户的目标数据投影到所述基空间中得到目标样本特征；输入所述目标样本特征至所述行为预测模型中进行预测得到第三预测值；基于所述第三预测值确定所述目标用户的行为标识。本专利技术的第二方面提供一种基于人工智能的行为预测装置，所述装置包括：样本分群模块，用于对原始样本数据集进行分群得到多个群样本数据集；种群生成模块，用于使用第一种群生成模型根据所述多个群样本数据集生成第一代种群，其中，同一个群样本数据集中的所有原始样本数据对应同一个标识；迭代寻优模块，用于使用XGBoost模型对所述第一代种群进行训练得到多个第一预测值，并根据所述多个第一预测值计算第一头部预测准确率，使用遗传算法根据所述第一头部预测准确率对所述多个群样本数据集进行寻优得到第二代种群；所述迭代寻优模块，还用于使用所述XGBoost模型对所述第二代种群进行迭代训练得到多个第二预测值，并根据所述多个第二预测值计算第二头部预测准确率，使用所述遗传算法根据所述第二头部预测准确率对所述多个群样本数据集进行迭代寻优，直到得到目标种群；模型训练模块，用于基于所述目标种群中为第一标识的原始样本数据构建样本数据子集，并使用所述XGBoost模型对所述样本数据子集进行训练得到行为预测模型；业绩预测模块，用于调用所述行为预测模型预测目标用户的行为。本专利技术的第三方面提供一种终端，所述终端包括：存储器，用于存储计算机程序；处理器，所述处理器用于执行所述计算机程序时实现如权利要求1至7中任意一项所述的基于人工智能的行为预测方法。本专利技术的第四方面提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述基于人工智能的行为预测方法。综上所述，本专利技术所述的基于人工智能的行为预测方法、装置、终端及存储介质，先通过所述第一种群生成模型生成所述第一代种群，根据XGBoost模型对所述第一代种群的头部预测准确率对每一个个体进行评估，给出一个适应度值，基于此适应度值，在遗传算子(选择、交叉、变异)的作用下，使种群逐代优化，产生优秀个体，最终搜索到最优解，从而选择出用于提高预测模型的头部预测准确率的训练样本子集。将头部样本的预测准确率作为行为预测模型训练的目标，使得行为预测模型训练的目标与业务场景的目标保持了一致，从而提高了行为预测的准确率。附图说明图1是本专利技术实施例一提供的基于人工智能的行为预测方法的流程图。图2是本专利技术本文档来自技高网...

【技术保护点】
1.一种基于人工智能的行为预测方法，其特征在于，所述方法包括：/n对原始样本数据集进行分群得到多个群样本数据集；/n使用第一种群生成模型根据所述多个群样本数据集生成第一代种群，其中，同一个群样本数据集中的所有原始样本数据对应同一个标识；/n使用XGBoost模型对所述第一代种群进行训练得到多个第一预测值，并根据所述多个第一预测值计算第一头部预测准确率，使用遗传算法根据所述第一头部预测准确率对所述多个群样本数据集进行寻优得到第二代种群；/n使用所述XGBoost模型对所述第二代种群进行迭代训练得到多个第二预测值，并根据所述多个第二预测值计算第二头部预测准确率，使用所述遗传算法根据所述第二头部预测准确率对所述多个群样本数据集进行迭代寻优，直到得到目标种群；/n基于所述目标种群中为第一标识的原始样本数据构建样本数据子集，并使用所述XGBoost模型对所述样本数据子集进行训练得到行为预测模型；/n调用所述行为预测模型预测目标用户的行为。/n

【技术特征摘要】
1.一种基于人工智能的行为预测方法，其特征在于，所述方法包括：
对原始样本数据集进行分群得到多个群样本数据集；
使用第一种群生成模型根据所述多个群样本数据集生成第一代种群，其中，同一个群样本数据集中的所有原始样本数据对应同一个标识；
使用XGBoost模型对所述第一代种群进行训练得到多个第一预测值，并根据所述多个第一预测值计算第一头部预测准确率，使用遗传算法根据所述第一头部预测准确率对所述多个群样本数据集进行寻优得到第二代种群；
使用所述XGBoost模型对所述第二代种群进行迭代训练得到多个第二预测值，并根据所述多个第二预测值计算第二头部预测准确率，使用所述遗传算法根据所述第二头部预测准确率对所述多个群样本数据集进行迭代寻优，直到得到目标种群；
基于所述目标种群中为第一标识的原始样本数据构建样本数据子集，并使用所述XGBoost模型对所述样本数据子集进行训练得到行为预测模型；
调用所述行为预测模型预测目标用户的行为。


2.如权利要求1所述的基于人工智能的行为预测方法，其特征在于，所述对原始样本数据集进行分群得到多个群样本数据集包括：
使用主成分分析算法提取所述原始样本数据集的多个特征；
对所述多个特征按照从大到小进行排序；
选取排序后的多个特征中的前预设第一数量的目标特征；
根据所述前预设第一数量的目标特征生成基空间；
将所述原始样本数据集中的每个原始样本数据投影到所述基空间中得到对应的样本特征；
根据所述样本特征对所述原始样本数据集进行聚类得到多个群样本数据集。


3.如权利要求2所述的基于人工智能的行为预测方法，其特征在于，所述使用第一种群生成模型根据所述多个群样本数据集生成第一代种群包括：
为每个群样本数据集随机生成第一标识或者生成第二标识；
根据每个群样本数据集的所述第一标识或者所述第二标识对所述多个群样本数据集进行排列组合；
根据所有排列组合对应的多个群样本数据集及标识生成第一代种群。


4.如权利要求2所述的基于人工智能的行为预测方法，其特征在于，所述根据所述多个第一预测值计算第一头部预测准确率包括：
对所述多个第一预测值按照从大到小进行排序；
选取排序后的多个第一预测值中的前预设第二数量的目标预测值；
获取所述前预设第二数量的目标预测值对应的真实值；
根据所述前预设第二数量的目标预测值及对应的真实值计算第一头部预测准确率。


5.如权利要求2所述的基于人工智能的行为预测方法，其特征在于，在所述对原始样本数据集进行分群得到多个群样本数据集之前，所述方法还包括：
判断所述原始样本数据集的数量是否大于预设数量阈值；
当所述原始样本数据集的数量大于或者等于所述预设数量阈值时，对所述原始样本数据集...

【专利技术属性】
技术研发人员：张跃，张浩然，
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