【技术实现步骤摘要】
本申请涉及机器学习，具体涉及一种业务信息预测方法、电子设备及存储介质。
技术介绍
1、某些业务的数据与时间具有相关性，使得可以基于该业务的历史时序数据来预测未来的业务信息。目前主要所采用的业务信息预测方式是基于自回归移动平均模型(autoregressive integrated moving average，arima)来预测业务信息。arima算法在预测业务信息时会基于前几期的滞后项进行业务信息的预测，然而对于一些业务时序数据，比如金融行业内的交易时序数据，其具有长期依赖的特点，即该交易时序数据中存在着较长时间间隔的相关性或者依赖关系，表现为当前观测值与过去较远时刻的观测值之间存在着关联。此时arima算法所预测的业务信息实际上忽视了这种特性造成业务信息预测不准确。
技术实现思路
1、本申请的一个目的在于提出一种业务信息预测方法、电子设备及存储介质，旨在提高业务信息预测的准确性。
2、根据本申请实施例的一方面，提供了一种业务信息预测方法，所述方法包括：
3、获取...
【技术保护点】
1.一种业务信息预测方法，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，根据所述未选中因子对所述目标值的第一贡献度，对所述未选中因子进行迭代选择，根据所述选中因子对所述目标值的第二贡献度，对所述选中因子进行迭代剔除，获得迭代数据，包括：
3.根据权利要求2所述的方法，其特征在于，重复进行所述迭代选择以及所述迭代剔除，直至所述迭代数据中不存在需要被选择的因子和需要被剔除的因子，则根据所得迭代数据中的滞后项进行业务信息预测，包括：
4.根据权利要求1所述的方法，其特征在于，根据参考业务时序数据构造滞后项，并对所述...
【技术特征摘要】
1.一种业务信息预测方法，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，根据所述未选中因子对所述目标值的第一贡献度，对所述未选中因子进行迭代选择，根据所述选中因子对所述目标值的第二贡献度，对所述选中因子进行迭代剔除，获得迭代数据，包括：
3.根据权利要求2所述的方法，其特征在于，重复进行所述迭代选择以及所述迭代剔除，直至所述迭代数据中不存在需要被选择的因子和需要被剔除的因子，则根据所得迭代数据中的滞后项进行业务信息预测，包括：
4.根据权利要求1所述的方法，其特征在于，根据参考业务时序数据构造滞后项，并对所述参考业务时序数据中的参考业务数据添加对应的时间特征，包括：
5.根据权利要求4所...
【专利技术属性】
技术研发人员：林炳鑫，宋丽红，
申请(专利权)人：深圳前海微众银行股份有限公司，
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。