一种数据预测方法、装置、设备及计算机可读存储介质制造方法及图纸

本发明专利技术公开了一种数据预测方法，该方法包括以下步骤：对接收到的数据预测请求进行解析，确定目标对象；调取目标对象的各历史交易数据；获取各历史交易数据分别对应的关注度；将各历史交易数据和各关注度输入到预测模型中；利用预测模型预测得到目标对象的目标交易数据。应用本发明专利技术实施例所提供的技术方案，较大地降低了主观因素影响，充分考虑了数据的关注度这一外在因素，提升了数据走向趋势预测的准确性。本发明专利技术还公开了一种数据预测装置、设备及存储介质，具有相应技术效果。

【技术实现步骤摘要】
一种数据预测方法、装置、设备及计算机可读存储介质
本专利技术涉及机器学习
，特别是涉及一种数据预测方法、装置、设备及计算机可读存储介质。
技术介绍
对于持续生成的数据，数据走向趋势会存在一定的规律。为了对即将生成数据做好应对准备，需要对数据走向趋势进行预测。现有的数据走向趋势预测方法主要分为基础分析法和技术分析法。基础分析主要是根据历史经验做出总结和发现内在的规律性，做出数据走向趋势判断。技术分析则是通过历史数据试图来寻找数据变动的内在规律，预测数据的走向趋势。但是，以上两种数据走向趋势预测方法均存在一定的缺点。首先，基础分析法受主观因素影响较大，数据走向趋势预测准确性不能得到有效保证；其次，技术分析法仅是基于历史数据本身进行数据走向趋势预测，未考虑到其他外在因素对数据走向趋势的影响，数据走向趋势预测准确性较低。综上所述，如何有效地解决现有的数据走向趋势预测方式受主观因素影响较大，未考虑到其他外在因素对数据走向趋势的影响，数据走向趋势预测准确性较低等问题，是目前本领域技术人员急需解决的问题。专利
技术实现思路
本专本文档来自技高网...

【技术保护点】
1.一种数据预测方法，其特征在于，包括：/n对接收到的数据预测请求进行解析，确定目标对象；/n调取所述目标对象的各历史交易数据；/n获取各所述历史交易数据分别对应的关注度；/n将各所述历史交易数据和各所述关注度输入到预测模型中；/n利用所述预测模型预测得到所述目标对象的目标交易数据。/n

【技术特征摘要】
1.一种数据预测方法，其特征在于，包括：
对接收到的数据预测请求进行解析，确定目标对象；
调取所述目标对象的各历史交易数据；
获取各所述历史交易数据分别对应的关注度；
将各所述历史交易数据和各所述关注度输入到预测模型中；
利用所述预测模型预测得到所述目标对象的目标交易数据。


2.根据权利要求1所述的数据预测方法，其特征在于，获取各所述历史交易数据分别对应的关注度，包括：
通过selenium自动化测试工具获取各所述历史交易数据分别对应的搜索指数数据；
将各所述历史交易数据和各所述关注度输入到预测模型中，包括：
将各所述历史交易数据和各所述搜索指数数据输入到所述预测模型中。


3.根据权利要求1或2所述的数据预测方法，其特征在于，在获取各所述历史交易数据分别对应的关注度之后，将各所述历史交易数据和各所述关注度输入到预测模型中之前，还包括：
对各所述历史交易数据及各所述关注度进行正态分布标准化处理。


4.根据权利要求3所述的数据预测方法，其特征在于，在获取各所述历史交易数据分别对应的关注度之后，对各所述历史交易数据及各所述关注度进行正态分布标准化处理之前，还包括：
对各所述关注度进行过滤操作。


5.根据权利要求1所述的数据预测方法，其特征在于，所述预测模型的训练过程包括：
获取预设数量的各样本数据组；
将各所述样本数据组输入到BP神经网络模型；
利用梯度下降算法对所述BP神经网络模型进行权重及偏置迭代更新，得到所述预测模型。


6.根据权利要求5所述的数据预测方法，其特征在于，利用梯度下降算法对所述BP神经网络模型进行权重及偏置迭代更新，得到所述预测模型，包括：
获取所述BP...

【专利技术属性】
技术研发人员：周天，范渊，
申请(专利权)人：杭州安恒信息技术股份有限公司，
类型：发明
国别省市：浙江;33