提高监控准确性的方法、装置、设备和计算机可读介质制造方法及图纸

本发明专利技术公开了提高监控准确性的方法、装置、设备和计算机可读介质，涉及计算机技术领域。该方法的一具体实施方式包括：将监控对象所在地理位置，所述监控对象附近场所信息，以及所述地理位置与所述附近场所的距离，作为监控参数；将部分监控参数输入第一预测子模型，得到第一预测结果；将所述监控参数，输入第二预测子模型，得到第二预测结果；将所述监控参数，输入第三预测子模型，得到第三预测结果；将所述第一预测结果、所述第二预测结果、所述第三预测结果和所述监控参数，输入第四预测子模型；得到监控模型，采用所述监控模型进行监控。该实施方式能够提高监控准确性。

【技术实现步骤摘要】
提高监控准确性的方法、装置、设备和计算机可读介质
本专利技术涉及计算机
，尤其涉及一种提高监控准确性的方法、装置、设备和计算机可读介质。
技术介绍
目前，随着经济和社会的发展，房产成为最重要的资产。由于需要监控房产的价值，则对房产估值一般采用市场比较法。市场比较法是在相对活跃的市场上寻找一定数量的可比实例，再根据估值目标与可比实例的具体细节上的差异进行修正，最后得出比准价格。但是，市场比较法并不适合不活跃市场。在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：利用机器学习模型，在有足够多的训练样本的情况下，可以保证监控准确性。但在训练样本较少的情况下，难以确保监控准确性。
技术实现思路
有鉴于此，本专利技术实施例提供一种提高监控准确性的方法、装置、设备和计算机可读介质，能够提高监控准确性。为实现上述目的，根据本专利技术实施例的一个方面，提供了一种提高监控准确性的方法，包括：将监控对象所在地理位置，所述监控对象附近场所信息，以及所述地理位置与所述附近场所的距离，作为监控参数；将监控对象所在地理位置，所述监控对象附近场所信息，以及所述地理位置与所述附近场所的距离中一种或二种，输入第一预测子模型，得到第一预测结果，所述第一预测子模型是基于XGBoost模型建立的；将所述监控参数，输入第二预测子模型，得到第二预测结果，所述第二预测子模型是基于XGBoost模型建立的；将所述监控参数，输入第三预测子模型，得到第三预测结果，所述第三预测子模型是基于随机森林模型建立的；将所述第一预测结果、所述第二预测结果、所述第三预测结果和所述监控参数，输入第四预测子模型，所述第四预测子模型基于XGBoost模型建立的；按照所述第四预测子模型的输出结果和所述监控参数的实际结果，训练所述第一预测子模型、所述第二预测子模型、所述第三预测子模型和所述第四预测子模型，得到监控模型，所述监控模型包括训练得到的第一预测子模型、训练得到的第二预测子模型、训练得到的第三预测子模型和训练得到的第四预测子模型；采用所述监控模型进行监控。所述将监控对象所在地理位置，所述监控对象附近场所信息，以及所述地理位置与所述附近场所的距离，作为监控参数之前，还包括：将监控对象所在的行政区，作为所述监控对象所在地理位置。所述将监控对象所在地理位置，所述监控对象附近场所信息，以及所述地理位置与所述附近场所的距离，作为监控参数之前，还包括：将监控对象所在的行政区的小区，作为所述监控对象所在地理位置。所述监控对象所在地理位置包括行政区、楼层、建筑面积和朝向。所述监控对象所在地理位置还包括以下一种或多种，所述监控对象的客厅面积、所述客厅朝向、所述监控对象的房间数量、所述房间的面积、所述房间的朝向、所述监控对象的厨房面积、所述厨房的朝向、所述监控对象的卫生间朝向。所述方法还包括：利用所述监控对象的建筑时间，确定所述监控对象所在地理位置的缺少值。所述方法还包括：采用均值、众数填补法或回归模型，确定所述监控对象所在地理位置的缺少值。所述监控对象附近场所信息包括以下一种或多种，幼儿园信息、小学信息、中学信息、商店信息、银行、派出所和诊所信息。所述监控对象附近场所信息包括多个信息的情况下，所述地理位置与所述附近场所的距离是所述地理位置与多个附近场所距离的平均值。所述将监控对象所在地理位置，所述监控对象附近场所信息，以及所述地理位置与所述附近场所的距离，作为监控参数之前，还包括：定位所述监控对象所在地理位置后，确定所述监控对象附近场所信息，以及所述地理位置与所述附近场所的距离。所述监控参数以独热编码方式进行编码。所述监控参数以均值编码方式进行编码。所述监控参数以数字编码方式进行编码。所述将所述第一预测结果、所述第二预测结果、所述第三预测结果和所述监控参数，输入第四预测子模型，包括：根据所述第一预测结果和第一调整参数，更新所述第一预测结果；根据所述第二预测结果和第二调整参数，更新所述第二预测结果；根据所述第三预测结果和第三调整参数，更新所述第三预测结果；将更新后的第一预测结果、更新后的第二预测结果、更新后的第三预测结果和所述监控参数，输入第四预测子模型中。所述按照所述第四预测子模型的输出结果和所述监控参数的实际结果，训练所述第一预测子模型、所述第二预测子模型、所述第三预测子模型和所述第四预测子模型，得到监控模型，包括：按照所述第四预测子模型的输出结果和所述监控参数的实际结果，确定满足完成条件，则训练得到所述监控模型。所述采用监控模型进行监控，包括：将监控对象所在地理位置，所述监控对象附近场所信息，以及所述地理位置与所述附近场所的距离中一种或二种，输入所述训练得到的第一预测子模型，通过所述训练得到的第四预测子模型，得到监控参数的监控结果。所述采用监控模型进行监控，包括：将所述监控参数分别输入所述训练得到的第二预测子模型和所述训练得到的第三预测子模型，通过所述训练得到的第四预测子模型，得到监控结果。根据本专利技术实施例的第二方面，提供了一种提高监控准确性的装置，包括：参数模块，用于将监控对象所在地理位置，所述监控对象附近场所信息，以及所述地理位置与所述附近场所的距离，作为监控参数；第一预测模块，用于将监控对象所在地理位置，所述监控对象附近场所信息，以及所述地理位置与所述附近场所的距离中一种或二种，输入第一预测子模型，得到第一预测结果，所述第一预测子模型是基于XGBoost模型建立的；第二预测模块，用于将所述监控参数，输入第二预测子模型，得到第二预测结果，所述第二预测子模型是基于XGBoost模型建立的；第三预测模块，用于将所述监控参数，输入第三预测子模型，得到第三预测结果，所述第三预测子模型是基于随机森林模型建立的；第四预测模块，用于将所述第一预测结果、所述第二预测结果、所述第三预测结果和所述监控参数，输入第四预测子模型，所述第四预测子模型基于XGBoost模型建立的；训练模块，用于按照所述第四预测子模型的输出结果和所述监控参数的实际结果，训练所述第一预测子模型、所述第二预测子模型、所述第三预测子模型和所述第四预测子模型，得到监控模型，所述监控模型包括训练得到的第一预测子模型、训练得到的第二预测子模型、训练得到的第三预测子模型和训练得到的第四预测子模型；监控模块，用于采用所述监控模型进行监控。根据本专利技术实施例的第三方面，提供了一种提高监控准确性的电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述的方法。根据本专利技术实施例的第四方面，提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述的方法。上述专利技术中的一本文档来自技高网...

【技术保护点】
1.一种提高监控准确性的方法，其特征在于，包括：/n将监控对象所在地理位置，所述监控对象附近场所信息，以及所述地理位置与所述附近场所的距离，作为监控参数；/n将监控对象所在地理位置，所述监控对象附近场所信息，以及所述地理位置与所述附近场所的距离中一种或二种，输入第一预测子模型，得到第一预测结果，所述第一预测子模型是基于XGBoost模型建立的；/n将所述监控参数，输入第二预测子模型，得到第二预测结果，所述第二预测子模型是基于XGBoost模型建立的；/n将所述监控参数，输入第三预测子模型，得到第三预测结果，所述第三预测子模型是基于随机森林模型建立的；/n将所述第一预测结果、所述第二预测结果、所述第三预测结果和所述监控参数，输入第四预测子模型，所述第四预测子模型基于XGBoost模型建立的；/n按照所述第四预测子模型的输出结果和所述监控参数的实际结果，训练所述第一预测子模型、所述第二预测子模型、所述第三预测子模型和所述第四预测子模型，得到监控模型，所述监控模型包括训练得到的第一预测子模型、训练得到的第二预测子模型、训练得到的第三预测子模型和训练得到的第四预测子模型；/n采用所述监控模型进行监控。/n...

【技术特征摘要】
1.一种提高监控准确性的方法，其特征在于，包括：
将监控对象所在地理位置，所述监控对象附近场所信息，以及所述地理位置与所述附近场所的距离，作为监控参数；
将监控对象所在地理位置，所述监控对象附近场所信息，以及所述地理位置与所述附近场所的距离中一种或二种，输入第一预测子模型，得到第一预测结果，所述第一预测子模型是基于XGBoost模型建立的；
将所述监控参数，输入第二预测子模型，得到第二预测结果，所述第二预测子模型是基于XGBoost模型建立的；
将所述监控参数，输入第三预测子模型，得到第三预测结果，所述第三预测子模型是基于随机森林模型建立的；
将所述第一预测结果、所述第二预测结果、所述第三预测结果和所述监控参数，输入第四预测子模型，所述第四预测子模型基于XGBoost模型建立的；
按照所述第四预测子模型的输出结果和所述监控参数的实际结果，训练所述第一预测子模型、所述第二预测子模型、所述第三预测子模型和所述第四预测子模型，得到监控模型，所述监控模型包括训练得到的第一预测子模型、训练得到的第二预测子模型、训练得到的第三预测子模型和训练得到的第四预测子模型；
采用所述监控模型进行监控。


2.根据权利要求1所述提高监控准确性的方法，其特征在于，所述将监控对象所在地理位置，所述监控对象附近场所信息，以及所述地理位置与所述附近场所的距离，作为监控参数之前，还包括：
将监控对象所在的行政区，作为所述监控对象所在地理位置。


3.根据权利要求1所述提高监控准确性的方法，其特征在于，所述将监控对象所在地理位置，所述监控对象附近场所信息，以及所述地理位置与所述附近场所的距离，作为监控参数之前，还包括：
将监控对象所在的行政区的小区，作为所述监控对象所在地理位置。


4.根据权利要求1所述提高监控准确性的方法，其特征在于，所述监控对象所在地理位置包括行政区、楼层、建筑面积和朝向。


5.根据权利要求4所述提高监控准确性的方法，其特征在于，所述监控对象所在地理位置还包括以下一种或多种，所述监控对象的客厅面积、所述客厅朝向、所述监控对象的房间数量、所述房间的面积、所述房间的朝向、所述监控对象的厨房面积、所述厨房的朝向、所述监控对象的卫生间朝向。


6.根据权利要求4或5所述提高监控准确性的方法，其特征在于，所述方法还包括：
利用所述监控对象的建筑时间，确定所述监控对象所在地理位置的缺少值。


7.根据权利要求4或5所述提高监控准确性的方法，其特征在于，所述方法还包括：
采用均值、众数填补法或回归模型，确定所述监控对象所在地理位置的缺少值。


8.根据权利要求1所述提高监控准确性的方法，其特征在于，所述监控对象附近场所信息包括以下一种或多种，幼儿园信息、小学信息、中学信息、商店信息、银行、派出所和诊所信息。


9.根据权利要求1所述提高监控准确性的方法，其特征在于，所述监控对象附近场所信息包括多个信息的情况下，所述地理位置与所述附近场所的距离是所述地理位置与多个附近场所距离的平均值。


10.根据权利要求1所述提高监控准确性的方法，其特征在于，所述将监控对象所在地理位置，所述监控对象附近场所信息，以及所述地理位置与所述附近场所的距离，作为监控参数之前，还包括：
定位所述监控对象所在地理位置后，确定所述监控对象附近场所信息，以及所述地理位置与所述附近场所的距离。


11.根据权利要求1所述提高监控准确性的方法，其特征在于，所述监控参数以独热编码方式进行编码。


12.根据权利要求1所述...

【专利技术属性】
技术研发人员：邱诚，黄冬梅，温锴明，
申请(专利权)人：建信金融科技有限责任公司，
类型：发明
国别省市：上海;31