【技术实现步骤摘要】
目标对象异常预测模型的处理方法、装置和计算机设备
[0001]本申请涉及机器学习
,特别是涉及一种目标对象异常预测模型的处理方法、装置和计算机设备。
技术介绍
[0002]随着计算机技术的发展,机器学习用于各个领域的模型训练;基于训练的机器学习模型,可以对各个业务领域(如物流领域、通信领域等)的业务数据进行处理。例如,在物流领域,根据物件寄件量可以对寄件频次进行分析,获取不同区域的寄件情况;根据快件分拣的图像数据可以对快件在分拣操作过程是否存在暴力分拣等异常行为等。
[0003]然而,机器学习模型通过手动获取历史样本数据进行线下学习训练,只能对目标对象的行为数据(例如,物流行为数据)进行整体预测,不能对目标对象的异常数据进行准确预测。
技术实现思路
[0004]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对象的异常数据的目标对象异常预测模型的处理方法、装置、计算机设备和存储介质。
[0005]一种目标对象异常预测模型的处理方法,所述方法包括:
[0006]根据目标对象群的历史订单数据集,确定所述目标对象群中各目标对象针对订单所产生的行为特征集;所述行为特征集至少存在一种维度属性;
[0007]根据至少一种所述维度属性对所述目标对象群进行划分,得到划分后的对象子群;
[0008]构建各所述对象子群对应的异常预测模型,以及根据所述维度属性从所述行为特征集确定样本训练数据;
[0009]根据各所述样本训练数据对对应的异常预测模型进行并行训练, ...
【技术保护点】
【技术特征摘要】
1.一种目标对象异常预测模型的处理方法,其特征在于,所述方法包括:根据目标对象群的历史订单数据集,确定所述目标对象群中各目标对象针对订单所产生的行为特征集;所述行为特征集至少存在一种维度属性;根据至少一种所述维度属性对所述目标对象群进行划分,得到划分后的对象子群;构建各所述对象子群对应的异常预测模型,以及根据所述维度属性从所述行为特征集确定样本训练数据;根据各所述样本训练数据对对应的异常预测模型进行并行训练,直到各所述异常预测模型的指标值在预设范围值内,得到训练好的异常预测模型。2.根据权利要求1所述的方法,其特征在于,所述维度属性包括人群特征属性,所述根据至少一种所述维度属性对所述目标对象群进行划分,得到划分后的对象子群,包括:根据所述人群特征属性对所述目标对象群进行划分,至少得到一组表征目标对象资源数目分布情况的第一对象子群;所述构建各所述对象子群对应的异常预测模型,以及根据所述维度属性从所述行为特征集确定样本训练数据,包括:构建各所述第一对象子群对应的第一异常预测模型;根据所述人群特征属性从所述行为特征集中确定各所述第一异常预测模型的第一样本训练数据;所述根据所述样本训练数据对所述对象异常预测模型进行并行训练,直到训练好的对象异常预测模型的指标值在预设范围值内,得到训练好的异常预测模型包括:根据各所述第一样本训练数据对对应的第一异常预测模型进行并行训练,直到各所述第一异常预测模型的指标值在预设范围值内,得到训练好的异常预测模型。3.根据权利要求2所述的方法,其特征在于,所述维度属性还包括区域属性,所述方法还包括:当各所述第一异常预测模型的指标值不在预设范围值时,根据所述人群特征属性和所述区域属性对所述目标对象群进行划分,至少得到一组表征用户资源数目和区域的第二对象子群;所述构建各所述对象子群对应的异常预测模型,以及根据所述维度属性从所述行为特征集确定样本训练数据对象子群,包括:构建各所述第二对象子群对应的第二异常预测模型;根据所述人群特征属性和所述区域属性从所述行为特征集中确定各所述第二异常预测模型的第二样本训练数据;所述根据所述样本训练数据对所述对象异常预测模型进行并行训练,直到训练好的对象异常预测模型的指标值在预设范围值内,包括:根据各所述第二样本训练数据对对应的第二异常预测模型进行并行训练,直到各所述第二对象异常预测模型的指标值在预设范围值内,得到训练好的异常预测模型。4.根据权利要求3所述的方法,其特征在于,所述维度属性还包括时长特征属性,所述方法还包括:当各所述第二异常预测模型的指标值不在预设范围值时,根据所述人群特征属性、所述区域属性和所述时长特征属性对所述目标对象群进行划分,至少得到一组第三对象子
群;所述构建各所述对象子群对应的异常预测模型,以及根据所述维度属性从所述行为特征集确定样本训练数据,包括:构建各所述第三对象子群对应的第三异常预测模型;根据所述人群特征属性、所述区域属性和所述时长特征属性从所述行为特征集中确定各所述第三异常预测模型的第三样本训练数据...
【专利技术属性】
技术研发人员:邵耀辉,孟路遥,吴斯涵,聂荣华,宋晨川,
申请(专利权)人:顺丰科技有限公司,
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。