【技术实现步骤摘要】
本申请涉及金融科技领域技术，尤其涉及一种用户流失结果的预测方法、装置、设备及存储介质。
技术介绍
1、随着金融科技不断发展，越来越多的用户通过线上实现金融交易。各大金融企业争先提供线上金融业务，所以使得实现金融业务更加便捷，这也使得用户实现金融业务时有了更多的选择，从而这就加大了金融业务研发人员掌握用户流失情况的需求。
2、现有技术中采用特征提取算法提取至少一个预设用户数据，得到特征提取后的预设用户数据，并作为训练样本，采用至少一个训练样本对初始预测模型进行训练，以获得已训练至收敛的用户流失预测模型，将目标用户特征数据输入至用户流失预测模型中，从而得到目标用户流失结果。
3、然而，现有技术中采用特征提取算法无法得到准确的训练样本，所以使得用户流失预测模型不能准确预测出目标用户流失结果。
技术实现思路
1、本申请提供一种用户流失结果的预测方法、装置、设备及存储介质，用以解决采用特征提取算法无法得到准确的训练样本，所以使得用户流失预测模型不能准确预测出目标用户流失情况的问题。
2、第一方面，本申请提供一种用户流失结果的预测方法，所述方法包括：
3、接收预测用户触发的用户流失的预测请求；
4、基于所述预测请求获取目标用户的目标特征数据；
5、将所述目标特征数据输入至已训练至收敛的用户流失预测模型中，以获得目标用户预测的流失结果；所述预测模型采用目标训练样本集对初始预测模型进行训练而生成的，所述目标训练样本集是对更新训
6、显示所述预测的流失结果，以提醒预测用户进行相应处理。
7、第二方面，本申请提供一种用户流失结果的预测装置，所述装置包括：
8、接收模块，用于接收预测用户触发的用户流失的预测请求；
9、获取模块，用于基于所述预测请求获取目标用户的目标特征数据；
10、输入模块，用于将所述目标特征数据输入至已训练至收敛的用户流失预测模型中，以获得目标用户预测的流失结果；所述预测模型采用目标训练样本集对初始预测模型进行训练而生成的，所述目标训练样本集是对更新训练样本集中各更新训练样本按照所述目标训练特征集中的多个目标特征进行数据抽取处理获得的；所述更新训练样本集是对初始训练样本集进行正负样本的均衡处理获得的；所述目标训练特征集是对初始训练特征集进行双层特征提取获得的；所述目标训练特征集中包括多个目标特征；
11、显示模块，用于显示所述预测的流失结果，以提醒预测用户进行相应处理。
12、第三方面，本申请提供一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；
13、所述存储器存储计算机执行指令；
14、所述处理器执行所述存储器存储的计算机执行指令，以实现如上述第一方面或任一项所述的方法。
15、第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如上述第一方面或任一项所述的方法。
16、本申请提供的一种用户流失结果的预测方法、装置、设备及存储介质，本申请中用户流失结果的预测装置(以下简称预测装置)接收预测用户触发的预测请求后，基于预测请求获取目标特征数据，然后将目标特征数据输入至已训练至收敛的用户流失预测模型中，从而通过计算得到目标用户预测的流失结果，本申请中预测模型采用目标训练样本集对初始预测模型进行训练而生成的，其中，目标训练样本集是对更新训练样本集中各更新训练样本按照目标训练特征集中的多个目标特征进行数据抽取处理获得的，由此可知，目标训练样本集在更新训练样本集基础上根据目标特征进行数据抽取，其中，更新训练样本集是对初始训练样本集进行正负样本的均衡处理获得的，均衡处理可以减少过拟合现象，从而使得更新训练样本集中正负样本数量一致；目标训练特征集是对初始训练特征集进行双层特征提取获得的，目标训练特征集中包括多个目标特征，由此可见，本申请中是经过双层特征提取得到多个目标特征，所以本申请中的目标特征更加准确，从而使得对更新训练样本集中各更新训练样本按照目标训练特征集中的多个目标特征进行数据抽取处理后，得到的目标训练样本集更加准确，且还能减少过拟合现象，进而使得最终训练出来的已训练至收敛的用户流失预测模型也更加优化，从而在实际应用中能够得到准确的目标用户预测的流失结果。
本文档来自技高网...【技术保护点】
1.一种用户流失结果的预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，将所述目标特征数据输入至已训练至收敛的用户流失预测模型中，以获得目标用户流失结果之前，包括：
3.根据权利要求2所述的方法，其特征在于，所述初始训练样本集中包括多个初始训练样本；所述初始训练样本包括预设用户、对应的初始特征数据及实际流失结果；所述初始特征数据中包括多个预设特征及对应的预设特征值；所述实际流失结果为是或否；
4.根据权利要求3所述的方法，其特征在于，所述对所述负样本个数和所述正样本个数进行正负样本的均衡处理，以获得更新训练样本集，包括：
5.根据权利要求3所述的方法，其特征在于，所述对初始训练特征集进行双层特征提取，以获得目标训练特征集，包括：
6.根据权利要求5所述的方法，其特征在于，所述对更新训练样本集中各更新训练样本按照所述目标训练特征集中的多个目标特征进行数据抽取处理，以获得目标训练样本集，包括：
7.根据权利要求1-6任一项所述的方法，其特征在于，所述初始预测模型包括排列算法；
...【技术特征摘要】
1.一种用户流失结果的预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，将所述目标特征数据输入至已训练至收敛的用户流失预测模型中，以获得目标用户流失结果之前，包括：
3.根据权利要求2所述的方法，其特征在于，所述初始训练样本集中包括多个初始训练样本；所述初始训练样本包括预设用户、对应的初始特征数据及实际流失结果；所述初始特征数据中包括多个预设特征及对应的预设特征值；所述实际流失结果为是或否；
4.根据权利要求3所述的方法，其特征在于，所述对所述负样本个数和所述正样本个数进行正负样本的均衡处理，以获得更新训练样本集，包括：
5.根据权利要求3所述的方法，其特征在于，所述对初始训练特征集进行双层特征提取，以获得目标训练特征集，包括：...
【专利技术属性】
技术研发人员：程鹏，
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：
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。