游戏付费预测方法、装置、设备及存储介质制造方法及图纸

本申请适用于机器学习技术领域，提供一种游戏付费预测方法、装置、设备及存储介质，其中，游戏付费预测方法包括：获取游戏的用户历史使用数据；根据所述用户历史使用数据，构建用户历史使用数据训练集和用户历史使用数据测试集；通过所述用户历史使用数据训练集对预设机器学习算法模型进行训练，通过所述用户历史使用数据测试集对所述预设机器学习算法模型进行测试；根据预设阈值与所述预设机器学习算法模型的测试结果，对所述用户历史使用数据测试集中的数据进行判别，得到训练后的机器学习算法模型；通过所述训练后的机器学习算法模型对所述游戏的用户付费情况进行预测，得到预测结果并输出。本申请能够提高游戏用户付费预测的准确性。测的准确性。测的准确性。

【技术实现步骤摘要】
游戏付费预测方法、装置、设备及存储介质


[0001]本申请属于机器学习
，尤其涉及一种游戏付费预测方法、装置、设备及存储介质。

技术介绍

[0002]随着大数据技术的发展，游戏公司可以轻易且全面地采集到用户在游戏中的行为数据，通过这些行为数据对机器学习算法模型进行训练，从而通过训练好的机器学习算法模型对用户是否会付费进行预测。然而，这些采集到的数据中，付费用户数据所占的比例较小，通过不平衡的数据对机器学习算法模型进行训练，很容易使机器学习算法模型的预测结果受到影响，导致游戏用户付费预测的准确性较差。

技术实现思路

[0003]本申请实施例提供了一种游戏付费预测方法、装置、设备及存储介质，可以解决现有技术存在的游戏用户付费预测的准确性较差的问题。
[0004]本申请实施例的第一方面提供一种游戏付费预测方法，包括：
[0005]获取游戏的用户历史使用数据；
[0006]根据所述用户历史使用数据，构建用户历史使用数据训练集和用户历史使用数据测试集；
[0007]通过所述用户历史使用数据训练集对预设机器学习算法模型进行训练，通过所述用户历史使用数据测试集对所述预设机器学习算法模型进行测试；
[0008]根据预设阈值与所述预设机器学习算法模型的测试结果，对所述用户历史使用数据测试集中的数据进行判别，得到训练后的机器学习算法模型；
[0009]通过所述训练后的机器学习算法模型对所述游戏的用户付费情况进行预测，得到预测结果并输出。
[0010]本申请实施例的第二方面提供一种游戏付费预测装置，包括：
[0011]数据获取模块，用于获取游戏的用户历史使用数据；
[0012]数据构建模块，用于根据所述用户历史使用数据，构建用户历史使用数据训练集和用户历史使用数据测试集；
[0013]训练测试模块，用于通过所述用户历史使用数据训练集对预设机器学习算法模型进行训练，通过所述用户历史使用数据测试集对所述预设机器学习算法模型进行测试；
[0014]结果判别模块，用于根据预设阈值与所述预设机器学习算法模型的测试结果，对所述用户历史使用数据测试集中的数据进行判别，得到训练后的机器学习算法模型；
[0015]付费预测模块，用于通过所述训练后的机器学习算法模型对所述游戏的用户付费情况进行预测，得到预测结果并输出。
[0016]本申请实施例的第三方面提供一种终端设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上所述的游戏
付费预测方法。
[0017]本申请实施例的第四方面提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上所述的游戏付费预测方法。
[0018]本申请实施例的第一方面提供的游戏付费预测方法，通过根据预设阈值与预设机器学习算法模型的测试结果，对用户历史使用数据测试集中的数据进行判别，得到训练后的机器学习算法模型，通过训练后的机器学习算法模型对游戏的用户付费情况进行预测，得到预测结果并输出，能够提高游戏用户付费预测的准确性。
[0019]可以理解的是，上述第二方面、第三方面和第四方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
附图说明
[0020]为了更清楚地说明本申请具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0021]图1为本申请实施例提供的游戏付费预测方法的第一种流程示意图；
[0022]图2为本申请实施例提供的游戏付费预测方法的第二种流程示意图；
[0023]图3为本申请实施例提供的游戏付费预测方法的第三种流程示意图；
[0024]图4为本申请实施例提供的游戏付费预测方法的第四种流程示意图；
[0025]图5为本申请实施例提供的游戏付费预测装置的结构示意图；
[0026]图6为本申请实施例提供的终端设备的结构示意图。
具体实施方式
[0027]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、设备、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
[0028]应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0029]还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0030]如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0031]另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0032]在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请
的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。“多个”表示“两个或两个以上”。
[0033]实施例一
[0034]本申请实施例一提供一种游戏付费预测方法，可以由终端设备的处理器在运行相应的计算机程序时执行，用于实现根据预设阈值与预设机器学习算法模型的测试结果，对用户历史使用数据测试集中的数据进行判别，得到训练后的机器学习算法模型，通过训练后的机器学习算法模型对游戏的用户付费情况进行预测，得到预测结果并输出，能够提高游戏用户付费预测的准确性。
[0035]如图1所示，本实施例提供的游戏付费预测方法包括如下步骤S11至S15：
[0036]S11、获取游戏的用户历史使用数据。
[0037]在应用中，上述获取游戏的用户历史使用数据，可以是获取很多个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种游戏付费预测方法，其特征在于，包括：获取游戏的用户历史使用数据；根据所述用户历史使用数据，构建用户历史使用数据训练集和用户历史使用数据测试集；通过所述用户历史使用数据训练集对预设机器学习算法模型进行训练，通过所述用户历史使用数据测试集对所述预设机器学习算法模型进行测试；根据预设阈值与所述预设机器学习算法模型的测试结果，对所述用户历史使用数据测试集中的数据进行判别，得到训练后的机器学习算法模型；通过所述训练后的机器学习算法模型对所述游戏的用户付费情况进行预测，得到预测结果并输出。2.如权利要求1所述的游戏付费预测方法，其特征在于，所述根据所述用户历史使用数据，构建用户历史使用数据训练集和用户历史使用数据测试集，包括：对所述用户历史使用数据进行清洗，得到清洗后的用户历史使用数据；通过预设长度的滑动窗口对所述清洗后的用户历史使用数据进行采集，分别构建用户历史使用数据训练集和用户历史使用数据测试集；分别对所述用户历史使用数据训练集和所述用户历史使用数据测试集进行降维，得到降维后的用户历史使用数据训练集和降维后的用户历史使用数据测试集。3.如权利要求2所述的游戏付费预测方法，其特征在于，在所述通过预设长度的滑动窗口对所述清洗后的用户历史使用数据进行采集，分别构建用户历史使用数据训练集和用户历史使用数据测试集之后，还包括：通过第一预设算法补充所述用户历史使用数据训练集中的付费用户数据。4.如权利要求2所述的游戏付费预测方法，其特征在于，所述分别对所述用户历史使用数据训练集和所述用户历史使用数据测试集进行降维，得到降维后的用户历史使用数据训练集和降维后的用户历史使用数据测试集，包括：通过第二预设算法分别对所述用户历史使用数据训练集和所述用户历史使用数据测试集进行降维，得到所述降维后的用户历史使用数据训练集和所述降维后的用户历史使用数据测试集。5.如权利要求1所述的游戏付费预测方法，其特征在于，所述根据预设阈值与所述预设机器学习算法模型的测试结果，对所述用户历史使用数据测试集中的数据进行判别，得到训练后的机器学习算法模型，包括：基于所述用户历史使用数据训练集中的付费用户数据与非付费用户数...

【专利技术属性】
技术研发人员：冯纪强，段家红，张为欣，李飞鹏，郭喜龙，黎虎，
申请(专利权)人：深圳爱玩网络科技股份有限公司，
类型：发明
国别省市：