一种基于分时拟合的黑盒数据拆分方法技术

本发明专利技术涉及一种基于分时拟合的黑盒数据拆分方法，将数据集中的部分数据划分为训练集，按照星期几、单位时间段分类整理训练集的自然新增用户数据；分别根据某一单位时间段的自然新增用户数据与下一单位时间段的自然新增用户数据多次训练计算得到某一单位时间段的数据模型，最终得到所有单位时间段的数据模型。当应用产品在应用商店进行广告投放时，可以基于现有的自然新增用户数据通过数据模型依次预测计算出后续的自然新增用户数据，再通过埋点数据统计的总新增用户数量进行对比计算出广告投放带来的新增用户数量。本发明专利技术将数据细化，每个数据模型对应每个单位时间段，因此，可靠性强、合理性强，随着时间推移的自适应能力强，也更为准确。也更为准确。也更为准确。

【技术实现步骤摘要】
一种基于分时拟合的黑盒数据拆分方法


[0001]本专利技术涉及计算机软件领域，尤其涉及一种基于分时拟合的黑盒数据拆分方法。

技术介绍

[0002]为了应用产品在应用商店的曝光率，需要在应用商店进行应用产品的广告投放，应用产品方想要了解广告投放带来的下载量新增数量，但是广告放只会反馈汇总的下载数，不会反馈具体的详细数据以及广告投放带来的下载增量，而且新增用户数量还需要产品方通过埋点数据统计得到。对此，应用产品方只能在未投放广告时统计其新增用户数量，再与投放广告时的新增用户数量进行粗略比对，计算出广告投放带来的新增用户数量，但是这种计算方法存在以下缺点：
[0003]1、市场每天的环境都在变化，这种方法的准确性不够，并且不能根据市场的情况，自适应调整计算广告投放带来的新增用户数量；
[0004]2、若需要稍微准确一些了解广告投放带来的新增用户数量，则需要每间隔一段时间停止应用产品的广告投放，进行对比后，再延续广告投放，断断续续地进行对比计算，但是这种方式对应用产品的广告投放实施是不利的；

技术实现思路
r/>[0005](本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于分时拟合的黑盒数据拆分方法，其特征在于，包括：S1、将数据集中的部分数据划分为训练集，按照星期几、单位时间段分类整理所述训练集的自然新增用户数据，其中，一天划分有多个单位时间段；S2、分别根据某一单位时间段的自然新增用户数据与下一单位时间段的自然新增用户数据多次训练计算得到所述某一单位时间段的数据模型，最终得到所有单位时间段的数据模型；所述数据模型用于根据某一时间段的新增用户数据预测下一单位时间段的自然新增用户数据。2.根据权利要求1所述的基于分时拟合的黑盒数据拆分方法，其特征在于，所述S1中还包括：将数据集中的另一部分数据划分为测试集，按照星期几、单位时间段分类整理所述测试集的自然新增用户数据；分别将所述数据模型对应代入至所述测试集的某一单位时间段的自然新增用户数据，预测下一单位时间段的自然新增用户数据，基于预测的下一单位时间段的自然新增用户数据与所述测试集对应的实际的下一单位时间段的自然新增用户数据进行对比，若对比结果超过预设阈值，则标记所述数据模型。3.根据权利要求1所述的基于分时拟合的黑盒数据拆分方法，其特征在于，以小时段H作为时间单位段。4.根据权利要求3所述的基于分时拟合的黑盒数据拆分方法，其特征在于，所述数据模型的建立过程如下...

【专利技术属性】
技术研发人员：程磊，俞永浩，杨欣如，唐光宇，闫乃永，卢学明，
申请(专利权)人：宝宝巴士股份有限公司，
类型：发明
国别省市：