【技术实现步骤摘要】
消费预测方法、装置、电子设备及计算机可读存储介质
[0001]本专利技术实施例涉及大数据
，具体涉及一种消费预测方法、装置、电子设备及计算机可读存储介质。
技术介绍
[0002]随着大数据技术的不断发展，其应用领域也在不断扩大。电信运营商拥有较为丰富的数据积累，通过对电信运营商积累的数据进行合理利用，可以较为准确的对用户消费进行预测。
[0003]相关技术中，通过电信运营商积累的用户数据对机器学习模型进行训练，并生成训练好的机器学习模型，再根据训练好的机器学习模型对用户消费进行预测。然而，专利技术人在实现本专利技术实施例的过程中发现：相关技术中一般或采用简单的线性计算进行预测，或采用时间序列进行用户消费预测，不适用于对用户消费进行未来预设时间段内总消费数据的预测，使得对单个用户的消费数据预测不准确。
技术实现思路
[0004]鉴于上述问题，本专利技术实施例提供了一种消费预测方法、装置、电子设备及计算机可读存储介质，用于解决现有技术中存在的用户消费预测不准确的问题。
[0005]根据本专利...
【技术保护点】
【技术特征摘要】
1.一种消费预测方法，其特征在于，所述方法包括：获取待预测用户的第一用户数据，根据所述第一用户数据确定所述待预测用户的第一类别特征数据和第一消费特征数据；将所述第一类别特征数据输入训练好的聚类模型中，以确定所述待预测用户的用户类别；确定所述用户类别所对应的训练好的回归模型；将所述第一消费特征数据输入所述训练好的回归模型中，以生成所述待预测用户的消费指标预测值。2.根据权利要求1所述的方法，其特征在于，在所述获取待预测用户的第一用户数据，根据所述第一用户数据确定所述待预测用户的第一类别特征数据和第一消费特征数据之前，所述方法包括：获取待训练用户的第二用户数据，根据所述第二用户数据确定所述待训练用户的第二类别特征数据和第二消费特征数据；根据所述第二类别特征数据对预设的聚类模型进行训练，以生成所述训练好的聚类模型。3.根据权利要求2所述的方法，其特征在于，在所述根据所述第二类别特征数据对预设的聚类模型进行训练，以生成所述训练好的聚类模型之后，所述方法包括：根据所述训练好的聚类模型对所述第二类别特征数据的聚类结果，确定多组待训练用户，其中，不同组的待训练用户属于不同的用户类别；将每组待训练用户所对应的消费特征数据分别输入预设的回归模型进行训练，以分别生成每个用户类别所对应的训练好的回归模型。4.根据权利要求3所述的方法，其特征在于，所述将每组待训练用户所对应的消费特征数据分别输入预设的回归模型进行训练，以分别生成每个用户类别所对应的训练好的回归模型包括：将每组待训练用户所对应的消费特征数据拆分为训练集数据和测试集数据；将每组待训练用户所对应的训练集数据分别输入预设的回归模型进行训练，以分别生成每个用户类别所对应的训练好的回归模型；根据每组待训练用户所对应的测试集数据，分别对对应用户类别的训练好的回归模型进行评估。5.根据权利要求4所述的方法，其特征在于，所述根据每组待训练用户所对应的测试集数据，分别对对应用户类别的训练好的回归模型进行评估包括：根据每组待训练用户所对应的测试集数据，分别确定对应用户类别的训练好的回归模型的均方根...
【专利技术属性】
技术研发人员：张高山，倪宁宁，李元锋，茹志强，张新程，杜雪涛，杨猛，景昕，李晓良，宋柑霖，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。