数据的预测方法、装置、电子设备及计算机可读介质制造方法及图纸

本公开涉及一种数据的预测方法、装置、电子设备及计算机可读介质，属于数据处理技术领域。该方法包括：获取预测对象的特征变量；将预测对象的特征变量输入预先训练的分类模型中，得到预测对象关于预设特殊事件的事件发生概率；获取在发生预设特殊事件之后，关于预设特殊事件中的预设特殊物品的频率拟合分布和数量拟合分布；根据预设特殊物品的频率拟合分布和数量拟合分布，得到预设特殊物品的相关数据的预测值；根据预设特殊事件的事件发生概率，以及预设特殊物品的相关数据的预测值，得到预测对象关于预设特殊物品的相关保障数据的预测值。本公开通过分类模型和拟合分布进行相关数据的预测，可以提高数据预测的准确性。可以提高数据预测的准确性。可以提高数据预测的准确性。

【技术实现步骤摘要】
数据的预测方法、装置、电子设备及计算机可读介质


[0001]本公开涉及数据处理
，具体而言，涉及一种数据的预测方法、数据的预测装置、电子设备及计算机可读介质。

技术介绍

[0002]在医疗、保险等相关的领域中，经常需要根据一些已有的信息来对医疗数据或保险数据等进行预测。
[0003]而现有的方法中，一般都是以经验数据为基础进行预测，由于考虑的因素不够全面，预测的结果往往也不够准确。
[0004]鉴于此，本领域亟需一种能够提高预测准确度的数据的预测方法。
[0005]需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

[0006]本公开的目的在于提供一种数据的预测方法、数据的预测装置、电子设备及计算机可读介质，进而至少在一定程度上提高数据预测结果的准确度。
[0007]根据本公开的第一个方面，提供一种数据的预测方法，包括：
[0008]获取预测对象的特征变量；
[0009]将所述预测对象的特征变量输入预先训练的分类模型中，得到所述预测对象关于预设特殊事件的事件发生概率；
[0010]获取在发生所述预设特殊事件之后，关于所述预设特殊事件中的预设特殊物品的频率拟合分布和数量拟合分布；
[0011]根据所述预设特殊物品的频率拟合分布和数量拟合分布，得到所述预设特殊物品的相关数据的预测值；
[0012]根据所述预设特殊事件的事件发生概率，以及所述预设特殊物品的相关数据的预测值，得到所述预测对象关于所述预设特殊物品的相关保障数据的预测值。
[0013]在本公开的一种示例性实施例中，所述分类模型的训练方法包括：
[0014]从样本数据库中获取训练样本，并根据所述训练样本的样本事件类型，以及所述训练样本对应的特征变量，构建所述分类模型的训练样本集；
[0015]根据所述训练样本集中所述训练样本对应的特征变量得到自变量，将所述样本事件类型作为因变量，根据所述训练样本集训练所述分类模型。
[0016]在本公开的一种示例性实施例中，所述从样本数据库中获取训练样本，包括：
[0017]获取训练所述分类模型所需的所述特征变量的变量名称；
[0018]从所述样本数据库中获取样本对象，并根据所述变量名称获取所述样本对象的特征变量；
[0019]根据所述样本对象的各个特征变量对应的预设筛选条件，对所述样本对象进行过
滤，得到训练样本。
[0020]在本公开的一种示例性实施例中，在对所述样本对象进行过滤之后，所述方法还包括：
[0021]从所述变量名称中确定一抽样分类变量，并根据所述抽样分类变量对所述样本对象进行分类，得到多个样本对象集合；
[0022]分别对各个所述样本对象集合中的所述样本对象进行抽样，得到所述训练样本。
[0023]在本公开的一种示例性实施例中，所述样本数据库包括真实世界数据。
[0024]在本公开的一种示例性实施例中，所述预设特殊物品的频率拟合分布的确定方法包括：
[0025]从样本数据库中获取拟合样本，并根据所述拟合样本获取所述预设特殊物品的频率，得到所述预设特殊物品的样本频率直方图；
[0026]根据所述样本频率直方图的分布情况，确定所述预设特殊物品的候选频率拟合分布；
[0027]若所述样本频率直方图与所述候选频率拟合分布之间的观测差值小于或等于频率差阈值，则将所述候选频率拟合分布确定为所述预设特殊物品的频率拟合分布；
[0028]若所述样本频率直方图与所述候选频率拟合分布之间的观测差值大于所述频率差阈值，则重新确定所述预设特殊物品的候选频率拟合分布。
[0029]在本公开的一种示例性实施例中，所述预设特殊物品的数量拟合分布的确定方法包括：
[0030]从样本数据库中获取拟合样本，并根据所述拟合样本在预设时间段内获取所述预设特殊物品的数量，得到所述预设特殊物品的样本数量直方图；
[0031]根据所述样本数量直方图的分布情况，确定所述预设特殊物品的候选数量拟合分布；
[0032]若所述样本数量直方图与所述候选数量拟合分布之间的观测差值小于或等于数量差阈值，则将所述候选数量拟合分布确定为所述预设特殊物品的数量拟合分布；
[0033]若所述样本数量直方图与所述候选数量拟合分布之间的观测差值大于所述数量差阈值，则重新确定所述预设特殊物品的候选数量拟合分布。
[0034]在本公开的一种示例性实施例中，所述根据所述预设特殊物品的频率拟合分布和数量拟合分布，得到所述预设特殊物品的相关数据的预测值，包括：
[0035]根据所述预设特殊物品的频率拟合分布得到所述预设特殊物品的频率统计值，并根据所述预设特殊物品的数量拟合分布得到所述预设特殊物品的数量统计值；
[0036]获取所述预设特殊物品的单一相关数据，并根据所述预设特殊物品的单一相关数据、所述频率统计值和所述数量统计值，得到所述预设特殊物品的相关数据的预测值。
[0037]在本公开的一种示例性实施例中，所述根据所述预设特殊事件的事件发生概率，以及所述预设特殊物品的相关数据的预测值，得到所述预测对象关于所述预设特殊物品的相关保障数据的预测值，包括：
[0038]获取所述预测对象关于所述预设特殊物品的相关数据保障比例；
[0039]根据所述预设特殊事件的事件发生概率，以及所述预设特殊物品的相关数据的预测值和所述相关数据保障比例，得到所述预测对象关于所述预设特殊物品的相关保障数据
的预测值。
[0040]根据本公开的第二方面，提供一种数据的预测装置，包括：
[0041]特征变量获取模块，用于获取预测对象的特征变量；
[0042]事件概率预测模块，用于将所述预测对象的特征变量输入预先训练的分类模型中，得到所述预测对象关于预设特殊事件的事件发生概率；
[0043]拟合分布获取模块，用于获取在发生所述预设特殊事件之后，关于所述预设特殊事件中的预设特殊物品的频率拟合分布和数量拟合分布；
[0044]相关数据预测模块，用于根据所述预设特殊物品的频率拟合分布和数量拟合分布，得到所述预设特殊物品的相关数据的预测值；
[0045]保障数据预测模块，用于根据所述预设特殊事件的事件发生概率，以及所述预设特殊物品的相关数据的预测值，得到所述预测对象关于所述预设特殊物品的相关保障数据的预测值。
[0046]根据本公开的第三方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的数据的预测方法。
[0047]根据本公开的第四方面，提供一种计算机可读介质，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上述任意一项所述的数据的预测方法。
[0048]本公开示例性实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据的预测方法，其特征在于，包括：获取预测对象的特征变量；将所述预测对象的特征变量输入预先训练的分类模型中，得到所述预测对象关于预设特殊事件的事件发生概率；获取在发生所述预设特殊事件之后，关于所述预设特殊事件中的预设特殊物品的频率拟合分布和数量拟合分布；根据所述预设特殊物品的频率拟合分布和数量拟合分布，得到所述预设特殊物品的相关数据的预测值；根据所述预设特殊事件的事件发生概率，以及所述预设特殊物品的相关数据的预测值，得到所述预测对象关于所述预设特殊物品的相关保障数据的预测值。2.根据权利要求1所述的数据的预测方法，其特征在于，所述分类模型的训练方法包括：从样本数据库中获取训练样本，并根据所述训练样本的样本事件类型，以及所述训练样本对应的特征变量，构建所述分类模型的训练样本集；根据所述训练样本集中所述训练样本对应的特征变量得到自变量，将所述样本事件类型作为因变量，根据所述训练样本集训练所述分类模型。3.根据权利要求2所述的数据的预测方法，其特征在于，所述从样本数据库中获取训练样本，包括：获取训练所述分类模型所需的所述特征变量的变量名称；从所述样本数据库中获取样本对象，并根据所述变量名称获取所述样本对象的特征变量；根据所述样本对象的各个特征变量对应的预设筛选条件，对所述样本对象进行过滤，得到训练样本。4.根据权利要求3所述的数据的预测方法，其特征在于，在对所述样本对象进行过滤之后，所述方法还包括：从所述变量名称中确定一抽样分类变量，并根据所述抽样分类变量对所述样本对象进行分类，得到多个样本对象集合；分别对各个所述样本对象集合中的所述样本对象进行抽样，得到所述训练样本。5.根据权利要求4所述的数据的预测方法，其特征在于，所述样本数据库包括真实世界数据。6.根据权利要求1所述的数据的预测方法，其特征在于，所述预设特殊物品的频率拟合分布的确定方法包括：从样本数据库中获取拟合样本，并根据所述拟合样本获取所述预设特殊物品的频率，得到所述预设特殊物品的样本频率直方图；根据所述样本频率直方图的分布情况，确定所述预设特殊物品的候选频率拟合分布；若所述样本频率直方图与所述候选频率拟合分布之间的观测差值小于或等于频率差阈值，则将所述候选频率拟合分布确定为所述预设特殊物品的频率拟合分布；若所述样本频率直方图与所述候选频率拟合分布之间的观测差值大于所述频率差阈值，则重新确定所述预设特殊物品的候选频率拟合分布。
7.根据权利要求1所述的数据的预测方法，其特征在于，所述预设特殊物品的数量拟合分布的确定方法包括：从样本数据库中获取拟合样本，并根据所述拟合样本在预设时间段内获取所述预...

【专利技术属性】
技术研发人员：亓玉雪，郭潇宇，
申请(专利权)人：天津幸福生命科技有限公司，
类型：发明
国别省市：