数据处理方法、装置、设备、介质及程序产品制造方法及图纸

本申请提供了一种数据处理方法、装置、设备、介质及程序产品，通过获取训练数据以及第一待训练模型；然后根据多个特征参数组以及训练数据，分别对第一待训练模型进行训练，以确定多个待选模型，每个待选模型与特征参数组相对应；再根据训练数据，判断至少一个待选模型是否满足预设要求；若否，则获取调整训练数据，并对待选模型进行动态调整训练，直至待选模型满足预设要求；若是，则根据预设使用要求，从多个待选模型中确定至少一个目标处理模型，并利用目标处理模型，对获取的待处理数据进行处理，以确定目标处理结果。解决了现有技术中存在的对业务接口的业务量温和，和/或突然波动无法及时发现或预测的技术问题。无法及时发现或预测的技术问题。无法及时发现或预测的技术问题。

【技术实现步骤摘要】
数据处理方法、装置、设备、介质及程序产品


[0001]本申请涉及计算机数据监控领域，尤其涉及一种数据处理方法、装置、设备、介质及程序产品。

技术介绍

[0002]随着互联网技术的不断发展，很多网络业务，如网购逐渐成为了人们日常工作和生活中必不可少的服务内容。而一般这些网络业务都由定制的业务管理系统来进行运营支持或服务。
[0003]现有的业务管理系统中的业务量预测模型一般只通过预测业务量来为各项业务的场景分析和业务扩展等活动的筹备工作进行服务。但是对于一个业务管理系统来说，对业务量的监控预测，发现或预测业务量的变化，以及时调配资源来支持业务的流畅运行也是非常重要的。而目前技术，在某些业务活动推出时，业务量会出现短时间大幅度波动的情况，或者是持续地小幅度温和波动的情况但是累积已超量，这种情况会造成系统接口堵塞，进一步导致系统瘫痪，导致之前的业务量预测结果对实际业务不起作用，严重影响用户的体验，导致业务活动推广失败。
[0004]综上，现有技术中存在对业务接口的业务量在一段时间内持续地小幅度温和波动，但其累积影响超出了业务量预测模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：获取训练数据以及第一待训练模型；根据多个特征参数组以及所述训练数据，分别对所述第一待训练模型进行训练，以确定多个待选模型，每个所述待选模型与所述特征参数组相对应；根据所述训练数据，判断至少一个所述待选模型是否满足预设要求；若否，则获取调整训练数据，并对所述待选模型进行动态调整训练，直至所述待选模型满足所述预设要求；若是，则根据预设使用要求，从多个所述待选模型中确定至少一个目标处理模型，并利用所述目标处理模型，对获取的待处理数据进行处理，以确定目标处理结果。2.根据权利要求1所述的数据处理方法，其特征在于，所述根据所述训练数据，判断至少一个所述待选模型是否满足预设要求，包括：分别利用每个所述待选模型，根据所述训练数据中的预设检测数据，确定每个所述待选模型对应的处理误差；根据所述处理误差以及预设筛选方式，确定至少一个待调整模型；若所述待调整模型对应的第一处理误差满足预设误差要求，则确定所述待选模型满足所述预设要求。3.根据权利要求2所述的数据处理方法，其特征在于，所述分别利用每个所述待选模型，根据所述训练数据中的预设检测数据，确定每个所述待选模型对应的处理误差，包括：分别利用每个所述待选模型，对所述训练数据中预设时段内的历史业务进行处理，以确定每个所述待选模型对应的第一处理结果；对比每个所述第一处理结果以及所述历史业务对应的真实结果，以确定所述处理误差。4.根据权利要求2所述的数据处理方法，其特征在于，所述根据所述处理误差以及预设筛选方式，确定至少一个待调整模型，包括：根据所述处理误差从小到大的顺序，对所有所述待选模型进行排序，以确定排序结果；根据所述排序结果以及预设筛选方式，确定至少一个所述待调整模型。5.根据权利要求2所述的数据处理方法，其特征在于，所述若否，则获取调整训练数据，并对所述待选模型进行动态调整训练，直至所述待选模型满足所述预设要求，包括：判断对所述待调整模型的所述动态调整训练是否满足预设次数要求；若是，则获取所述调整训练数据，以对所述待调整模型进行所述动态调整训练；重新确定所述待调整模型的处理误差；重新判断所述处理误差是否满足所述预设误差要求，其中，在每一次所述动态调整训练中，所述调整训练数据对应的时间段与上一次所述动态调整训练对应的所述时间段不相同；若否，则不再对所述待调整模型进行所述动态调整训练，并确定所述待选模型中的所述待调整模型满足所述预设要求。6.根据权利要求1所述的数据处理方法，其特征在于，所述根据所述训练数据，判断至少一个所述待选模型是否满足预设要求，包括：分别利用每个所述待选模型，根据所述训练数据中的预设检测数据，确定每个所述待选模型对应的处理误差；
若所述处理误差满足预设误差要求，则确定所述待选模型满足所述预设要求。7.根据权利要求6所述的数据处理方法，其特征在于，所述分别利用每个所述待选模型，根据所述训练数据中的预设检测数据，确定每个所述待选模型对应的处理误差，包括：分别利用每个所述待选模型，对所述训练数据中预设时段内的历史业务进行处理，以确定每个所述待选模型对应的第一处理结果；对比每个所述第一处理结果以及所述历史业务对应的真实结果，以确定所述处理误差；所述若所述处理误差满足预设误差要求，则确定所述待选模型满足所述预设要求，包括：当所述处理误差在预设误差范围内时，确定所述待选模型满足所述预设要求。8.根据权利要求7所述的数据处理方法，其特征在于，所述若否，则获取调整训练数据，并对所述待选模型进行动态调整训练，直至所述待选模型满足所述预设要求：当所述处理误差在所述预设误差范围之外时，判断对所述待选模型的所述动态调整训练是否满足预设次数要求；若是，则获取所述调整训练数据，以对所述待选模型进行所述动态调整训练；重新确定所述待选模型的所述处理误差；重新判断所述处理误差是否满足预设误差要求，其中，在每一次所述动态调整训练中，所述调整训练数据...

【专利技术属性】
技术研发人员：刘涛，卢道和，罗锶，黄叶飞，边元乔，商市盛，
申请(专利权)人：深圳前海微众银行股份有限公司，
类型：发明
国别省市：