【技术实现步骤摘要】
本申请涉及大数据领域，特别是涉及一种骑行卡使用频率预测模型的训练方法及装置、资源获取值预测方法及装置、计算机设备、存储介质和计算机程序产品。
技术介绍
1、随着共享电单车的普及，越来越多的用户选择购买骑行卡来节省出行成本。因此合理预测用户使用骑行卡的频率，并基于用户使用骑行卡的频率为用户提供相关服务对于用户的满意度和平台的运营策略都至关重要。
2、现有技术中，平台通常通过用户历史使用骑行卡的频率预测用户未来使用骑行卡的频率。然而影响用户是否使用骑行卡的因素较多，若仅通过用户的历史骑行卡使用频率预测用户未来的骑行卡使用频率会带来较大的误差，导致预测精度差。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种骑行卡使用频率预测模型的训练方法及装置、资源获取值预测方法及装置、计算机设备、存储介质和计算机程序产品。
2、第一方面，本申请提供了一种骑行卡使用频率预测模型的训练方法。所述方法包括：
3、根据各用户账户对应的历史骑行次数，划分至少一个骑行次数类...
【技术保护点】
1.一种骑行卡使用频率预测模型的训练方法，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，所述根据各用户账户对应的历史骑行次数，划分至少一个骑行次数类别，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据各所述历史骑行次数和各所述历史骑行次数对应的所述用户账户的数量，划分至少一个骑行次数类别，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述骑行次数类别对应的各目标用户账户的账户特征，确定所述骑行次数类别的类别特征，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据聚类后...
【技术特征摘要】
1.一种骑行卡使用频率预测模型的训练方法，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，所述根据各用户账户对应的历史骑行次数，划分至少一个骑行次数类别，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据各所述历史骑行次数和各所述历史骑行次数对应的所述用户账户的数量，划分至少一个骑行次数类别，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述骑行次数类别对应的各目标用户账户的账户特征，确定所述骑行次数类别的类别特征，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据聚类后得到的各所述目标用户账户类别中的目标用户账户的数量确定第二目标账户特征，包括：
6.一种资源获取值预测方法，其特征在于，所述方法包括：
7.根据权利要...
【专利技术属性】
技术研发人员：滕志勇，刘永威，
申请(专利权)人：北京阿帕科蓝科技有限公司，
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。