数据挖掘方法、装置、设备、存储介质及程序产品制造方法及图纸

本申请提供的一种数据挖掘方法、装置、设备、存储介质及程序产品。该方法包括：通过将待预测用户的预测数据输入到预先训练得到的单分类器模型中，对预测数据进行预测，得到待预测用户的目标类别以及待预测用户为该目标类别的第一概率，然后根据目标类别和第一概率，向待预测用户推荐预设业务。其中，单分类器模型是基于多个用户的类别信息，通过CART算法，生成的单分类器模型。本申请通过单分类器模型确定潜在用户，提高了挖掘潜在用户的准确率。提高了挖掘潜在用户的准确率。提高了挖掘潜在用户的准确率。

【技术实现步骤摘要】
数据挖掘方法、装置、设备、存储介质及程序产品


[0001]本申请涉及大数据
，尤其涉及一种数据挖掘方法、装置、设备、存储介质及程序产品。

技术介绍

[0002]近些年随着我国国民收入的提高和城市居民消费习惯的转变，信用卡业务得到了快速发展。对于信用卡业务的推广的候选用户，一般是信用度和忠诚度要求较高的用户，可称为优质用户。
[0003]在相关技术中，对于优质客户的选取，通常是通过人工的方式对用户的用户信息进行逐个进行综合评价，从而选取信用度和忠诚度较高的用户作为信用卡业务推广的候选用户，但是上述方法挖掘候选用户的准确率较低，导致信用卡业务的相关产品无法准确匹配到候选用户群体。

技术实现思路

[0004]本申请提供一种数据挖掘方法、装置、设备、存储介质及程序产品，用以解决相关技术中挖掘候选用户的准确率较低，导致信用卡业务的相关产品无法准确匹配到候选用户群体的问题。
[0005]第一方面，本申请提供一种数据挖掘方法，包括：
[0006]获取待预测用户的预测数据，所述预测数据包括如下至少一种：用户基本信息本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据挖掘方法，其特征在于，包括：获取待预测用户的预测数据，所述预测数据包括如下至少一种：用户基本信息、用户行为信息、用户信用信息、用户服务信息、渠道信息以及用户产品信息；通过预先训练得到的单分类器模型，对所述预测数据进行预测，得到所述待预测用户的目标类别、以及所述待预测用户为所述目标类别的第一概率，所述目标类别为候选用户或者非候选用户；根据所述目标类别和所述第一概率，向所述待预测用户推荐预设业务。2.根据权利要求1所述的方法，其特征在于，所述单分类器模型的个数为P，所述P为大于1的整数；所述通过预先训练得到的单分类器模型，对所述预测数据进行预测，得到所述待预测用户的目标类别、以及所述待预测用户为所述目标类别的第一概率，包括：分别通过P个单分类器模型对所述预测数据进行预测，得到所述待预测用户的P个预测结果，每个预测结果中包括所述待预测用户的第一类别、以及所述待预测用户为所述第一类别的第二概率，所述第一类别为候选用户或者非候选用户；根据所述P个预测结果，确定所述目标类别、以及所述待预测用户为所述目标类别的第一概率。3.根据权利要求2所述的方法，其特征在于，所述根据所述P个预测结果，确定所述目标类别、以及所述待预测用户为所述目标类别的第一概率，包括：若所述P个预测结果中的第一类别为相同的类别，则将P个第二概率的平均值，确定为所述第一概率，且将所述第一类别确定为所述目标类别；若所述P个预测结果中存在N个第一预测结果和M个第二预测结果，则根据所述N个第一预测结果和所述M个第二预测结果，确定所述目标类别和所述第一概率，其中，所述第一预测结果中的第一类别为候选用户类别，所述第二预测结果中的第一类别为非候选用户类别。4.根据权利要求3所述的方法，其特征在于，所述根据所述N个第一预测结果和所述M个第二预测结果，确定所述目标类别和所述第一概率，包括：若所述M大于或等于所述N，则确定所述目标类别为所述非候选用户类别，以及，将所述M个第二预测结果中的第二概率的平均值确定为所述第一概率；若所述M小于所述N，则确定所述目标类别为所述候选用户类别，以及，将所述N个第一预测结果中的第二概率的平均值确定为所述第一概率。5.根据权利要求1
‑
4任一项所述的方法，其特征在于，所述根据所述目标类别和所述第一概率，向所述待预测用户推荐预设业务，包括：若所述目标类别为候选用户，且所述第一概率大于预设阈值，则向所述待预测用户推荐预设业务。6.一种数据挖掘方法，其特征在于，包括：获取多个用户的类别信息，所述类别信息包括如下至少一种：用户基本信息、用户行为信息、用户信用信息、用户服务信息、渠道信息、用户产品信息以及用户标签，所述用户标签为候选用户或者非候选用户；基于所述多个用户的类别信息，通过分类与回归树CART，生成单分类器模型。
7.根据权利要求6所述的方法，其特征在于，所述基于所...

【专利技术属性】
技术研发人员：李晨宁，陈永录，张文涛，崔佳，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：