预测模型训练方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种预测模型训练方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取数据样本；所述数据样本包括至少两个企业的财报数据样本与产品数据样本以及宏观经济数据样本、产业链数据样本与产品生命周期模型数据样本；基于所述数据样本对预训练的机器学习模型进行训练；当训练所得的机器学习模型满足训练停止条件时，将训练所得的机器模型作为用于预测所述目标企业的产品是否存在错失市场风险的预测模型。采用本方法能够准确预测目标企业的产品是否有失去市场风险。准确预测目标企业的产品是否有失去市场风险。准确预测目标企业的产品是否有失去市场风险。

【技术实现步骤摘要】
预测模型训练方法、装置、计算机设备和存储介质


[0001]本申请涉及计算机
，特别是涉及一种预测模型训练方法、装置、计算机设备、存储介质和计算机程序产品。

技术介绍

[0002]随着社会发展，当某个企业的产品不能满足市场需求时，可能会导致该企业的产品失去市场，使该企业失去生存和发展的机会。传统技术中，通过企业管理人员人工对与产品及市场相关的各种数据进行分析，判断该企业所销售的产品是否有失去市场的风险，但是通过人工进行分析判断，主观性较强，正确率低。

技术实现思路

[0003]基于此，有必要针对上述技术问题，提供一种能够准确预测目标企业的产品是否有失去市场风险的预测模型训练方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0004]第一方面，本申请提供了一种预测模型训练方法。所述方法包括：
[0005]获取数据样本；所述数据样本包括至少两个企业的财报数据样本与产品数据样本以及宏观经济数据样本、产业链数据样本与产品生命周期模型数据样本；
[0006]基于所述数据样本对预训练的机器学习模型进行训练；
[0007]当训练所得的机器学习模型满足训练停止条件时，将训练所得的机器模型作为用于预测所述目标企业的产品是否存在错失市场风险的预测模型。
[0008]第二方面，本申请还提供了一种预测模型训练装置。所述装置包括：
[0009]获取模块，用于获取数据样本；所述数据样本包括至少两个企业的财报数据样本与产品数据样本以及宏观经济数据样本、产业链数据样本与产品生命周期模型数据样本；
[0010]训练模块，用于基于所述数据样本对预训练的机器学习模型进行训练；
[0011]作为模块，用于当训练所得的机器学习模型满足训练停止条件时，将训练所得的机器模型作为用于预测所述目标企业的产品是否存在错失市场风险的预测模型。
[0012]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0013]获取数据样本；所述数据样本包括至少两个企业的财报数据样本与产品数据样本以及宏观经济数据样本、产业链数据样本与产品生命周期模型数据样本；
[0014]基于所述数据样本对预训练的机器学习模型进行训练；
[0015]当训练所得的机器学习模型满足训练停止条件时，将训练所得的机器模型作为用于预测所述目标企业的产品是否存在错失市场风险的预测模型。
[0016]第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其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以下步骤：
[0017]获取数据样本；所述数据样本包括至少两个企业的财报数据样本与产品数据样本
以及宏观经济数据样本、产业链数据样本与产品生命周期模型数据样本；
[0018]基于所述数据样本对预训练的机器学习模型进行训练；
[0019]当训练所得的机器学习模型满足训练停止条件时，将训练所得的机器模型作为用于预测所述目标企业的产品是否存在错失市场风险的预测模型。
[0020]第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0021]获取数据样本；所述数据样本包括至少两个企业的财报数据样本与产品数据样本以及宏观经济数据样本、产业链数据样本与产品生命周期模型数据样本；
[0022]基于所述数据样本对预训练的机器学习模型进行训练；
[0023]当训练所得的机器学习模型满足训练停止条件时，将训练所得的机器模型作为用于预测所述目标企业的产品是否存在错失市场风险的预测模型。
[0024]上述预测模型训练方法、装置、计算机设备、存储介质和计算机程序产品，获取包括至少两个企业的财报数据样本与产品数据样本、宏观经济数据样本、产业链数据样本以及产品生命周期模型数据样本的数据样本，然后基于数据样本对预训练的机器学习模型进行训练。由于企业的财报数据样本、产品数据样本、宏观经济数据样本、产业链数据样本以及产品生命周期模型数据样本中包含了产品和市场的发展规律，因此，通过数据样本可以训练出用于预测目标企业的产品是否存在错失市场风险的预测模型，然后通过预测模型对目标企业的产品是否存在错失市场风险进行预测，可以预测到通过人工分析难以发现的风险，提高了预测的准确性。并且，通过数据样本训练得到的预测模型可以更加客观的对目标企业的产品是否存在错失市场风险进行预测，避免了由于人工预测的主观性而导致的预测偏差，进一步提高了预测的准确性。
附图说明
[0025]图1为一个实施例中预测模型训练方法的应用环境图；
[0026]图2为一个实施例中预测模型训练方法的流程示意图；
[0027]图3为一个实施例中产品生命周期模型的示意图；
[0028]图4为一个实施例中数据样本预处理方法的流程示意图；
[0029]图5为一个实施例中模型训练方法的流程示意图；
[0030]图6为一个实施例中风险预测方法的流程示意图；
[0031]图7为另一个实施例中预测模型训练方法的流程示意图；
[0032]图8为另一个实施例中风险预测方法的流程示意图；
[0033]图9为又一个实施例中预测模型训练方法的流程示意图；
[0034]图10为一个实施例中预测模型训练装置的结构框图；
[0035]图11为另一个实施例中预测模型训练装置的结构框图；
[0036]图12为一个实施例中计算机设备的内部结构图。
具体实施方式
[0037]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不
用于限定本申请。
[0038]本申请提供的预测模型训练方法，通过使用人工智能技术(Artificial Intelligence，AI)中的机器学习技术，训练得到用于预测目标企业的产品是否存在错失市场风险的预测模型，实现预测产品是否具有错失市场的风险。
[0039]人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向，接下来主要介绍计算机视觉技术和机器学习，具体如下所述：
[0040]机器学习(Machine Learning，ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预测模型训练方法，其特征在于，所述方法包括：获取数据样本；所述数据样本包括至少两个企业的财报数据样本与产品数据样本以及宏观经济数据样本、产业链数据样本与产品生命周期模型数据样本；基于所述数据样本对预训练的机器学习模型进行训练；当训练所得的机器学习模型满足训练停止条件时，将训练所得的机器模型作为用于预测所述目标企业的产品是否存在错失市场风险的预测模型。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：对所述数据样本进行数据清洗，得到清洗后的所述数据样本；对清洗后的所述数据样本进行格式转换，得到目标格式的所述数据样本；对目标格式的所述数据样本进行数据归约处理，得到数据归约后的所述数据样本；所述基于所述数据样本对预训练的机器学习模型进行训练包括：基于数据归约后的所述数据样本对预训练的机器学习模型进行训练。3.根据权利要求2所述的方法，其特征在于，所述基于数据归约后的所述数据样本对预训练的机器学习模型进行训练包括：通过预训练的机器学习模型，对数据归约后的所述数据样本进行预测，得到预测值；根据所述预测值计算得到损失值；基于所述损失值对预训练的机器学习模型的参数进行调整，得到满足训练停止条件的机器学习模型。4.根据权利要求3所述的方法，其特征在于，所述损失值为预测准确率；所述根据所述预测值计算得到损失值包括：获取损失函数；根据所述损失函数对所述预测值进行计算，得到损失值。5.根据权利要求1所述的方法，其特征在于，所述数据样本包括至少两个时间段的数据样本；所述方法还包括：对...

【专利技术属性】
技术研发人员：乔恩，
申请(专利权)人：未来地图深圳智能科技有限公司，
类型：发明
国别省市：