本发明专利技术实施例公开了车辆置换预测模型训练方法、预测方法、装置、介质和设备。所述方法包括：构建候选特征维度，并从候选特征维度中筛选有效特征维度；根据有效特征维度从候选特征样本中确定目标特征样本，并根据目标特征样本的样本标签数据，确定目标特征样本中正例特征样本和负例特征样本之间的比例，作为正负样本比值；若正负样本比值小于预设样本比值，则基于正例特征样本对目标特征样本的正负样本比值进行调整，得到模型训练样本；利用模型训练样本对车辆置换预测模型进行训练；其中，训练完成的车辆置换预测模型用于确定目标用户的车辆置换概率。本申请能提高车辆置换预测模型的准确性，保证车辆置换预测的准确性，降低营销成本。营销成本。营销成本。
【技术实现步骤摘要】
车辆置换预测模型训练方法、预测方法、装置、介质和设备
[0001]本专利技术涉及计算机应用
，尤其涉及一种车辆置换预测模型训练方法、车辆置换预测方法、装置、介质和电子设备。
技术介绍
[0002]随着人们生活和消费水平的不断提高，出于满足家庭出行需求，或者改善汽车性能等目的，已经拥有汽车的消费者往往会选择增购或者换购汽车，这些存在增购或者换购汽车需求的消费者是车厂优质客户。
[0003]如何在众多已经拥有汽车的消费者中，准确识别存在增购或者换购汽车需求的消费者，并对这批消费者进行精准营销，对于提高汽车厂商的汽车销量，降低汽车厂商的营销成本具有重要意义。
技术实现思路
[0004]本专利技术提供了车辆置换预测模型训练方法、预测方法、装置、介质和设备，可以达到提高车辆置换预测模型的准确性，保证车辆置换预测的准确性，降低营销成本的目的。
[0005]根据本专利技术的第一方面，提供了一种车辆置换预测模型训练方法，所述方法包括：
[0006]构建候选特征维度，并从所述候选特征维度中筛选有效特征维度；
[0007]根据所述有效特征维度从候选特征样本中确定目标特征样本，并根据所述目标特征样本的样本标签数据，确定所述目标特征样本中正例特征样本和负例特征样本之间的比例，作为正负样本比值；
[0008]若所述正负样本比值小于预设样本比值，则基于所述正例特征样本对所述目标特征样本的所述正负样本比值进行调整，得到模型训练样本；
[0009]利用所述模型训练样本对车辆置换预测模型进行训练；其中，训练完成的车辆置换预测模型用于确定目标用户的车辆置换概率。
[0010]根据本专利技术的第二方面，提供了一种车辆置换预测方法，所述方法包括：
[0011]获取目标用户的预测特征数据；
[0012]将所述预测特征数据输入车辆置换预测模型，通过所述车辆置换预测模型确定所述目标用户的车辆置换概率；
[0013]基于所述车辆置换概率预测所述目标用户是否进行车辆置换；其中，所述车辆置换预测模型采用如本申请任一实施例所述的车辆置换预测模型训练方法预先训练得到。
[0014]根据本专利技术的第三方面，提供了一种车辆置换预测模型训练装置，其特征在于，所述装置包括：
[0015]有效特征维度筛选模型，用于构建候选特征维度，并从所述候选特征维度中筛选有效特征维度；
[0016]正负样本比值确定模块，用于根据所述有效特征维度从候选特征样本中确定目标特征样本，并根据所述目标特征样本的样本标签数据，确定所述目标特征样本中正例特征
样本和负例特征样本之间的比例，作为正负样本比值；
[0017]正负样本比值调整模块，用于若所述正负样本比值小于预设样本比值，则基于所述正例特征样本对所述目标特征样本的所述正负样本比值进行调整，得到模型训练样本；
[0018]车辆置换预测模型训练模型，用于利用所述模型训练样本对车辆置换预测模型进行训练；其中，训练完成的车辆置换预测模型用于确定目标用户的车辆置换概率。
[0019]根据本专利技术的第四方面，提供了一种车辆置换预测装置，其特征在于，所述装置包括：
[0020]预测特征数据获取模块，用于获取目标用户的预测特征数据；
[0021]车辆置换概率确定模块，用于将所述预测特征数据输入车辆置换预测模型，通过所述车辆置换预测模型确定所述目标用户的车辆置换概率；
[0022]基于所述车辆置换概率预测所述目标用户是否进行车辆置换；其中，所述车辆置换预测模型采用如本申请任一实施例所述的车辆置换预测模型训练装置预先训练得到。
[0023]根据本专利技术的第五方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请实施例所述的车辆置换预测模型训练方法，或者本申请实施例所述的车辆置换预测方法。
[0024]根据本专利技术的第六方面，本申请实施例提供了一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本申请实施例所述的车辆置换预测模型训练方法，或者本申请实施例所述的车辆置换预测方法。
[0025]本专利技术实施例的技术方案，通过从候选特征维度中筛选有效特征维度，并从候选特征样本中选择属于有效特征维度的目标特征样本，在正负样本比值小于预设样本比值，即目标特征样本中正负样本失衡的情况下，基于正例特征样本对目标特征样本中的正负样本比值进行调整得到正负样本均衡的模型训练样本，利用模型训练样本训练车辆置换预测模型，提高了车辆置换预测模型的准确性和鲁棒性，将训练完成的车辆置换预测模型用于车辆置换预测，保证了车辆置换预测的准确性，有利于提高汽车厂商的汽车销量，降低营销成本。
[0026]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0027]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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。
[0028]图1是根据实施例一提供的一种车辆置换预测模型训练方法的流程图；
[0029]图2是根据实施例二提供的一种车辆置换预测模型训练方法的流程图；
[0030]图3是根据实施例三提供的一种车辆置换预测模型训练方法的流程图；
[0031]图4是根据实施例四提供的一种车辆置换预测方法的流程图；
[0032]图5是本申请实施例五提供的一种车辆置换预测模型训练装置的结构示意图；
[0033]图6是本申请实施例六提供的一种车辆置换预测装置的结构示意图；
[0034]图7是本申请实施例七提供的一种电子设备的结构示意图。
具体实施方式
[0035]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0036]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“目标”以及“候选”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种车辆置换预测模型训练方法，其特征在于，所述方法包括：构建候选特征维度，并从所述候选特征维度中筛选有效特征维度；根据所述有效特征维度从候选特征样本中确定目标特征样本，并根据所述目标特征样本的样本标签数据，确定所述目标特征样本中正例特征样本和负例特征样本之间的比例，作为正负样本比值；若所述正负样本比值小于预设样本比值，则基于所述正例特征样本对所述目标特征样本的所述正负样本比值进行调整，得到模型训练样本；利用所述模型训练样本对车辆置换预测模型进行训练；其中，训练完成的车辆置换预测模型用于确定目标用户的车辆置换概率。2.根据权利要求1所述的方法，其特征在于，所述候选特征维度包括：用户特征维度、车辆特征维度、驾驶行为维度和维保行为维度中的至少一项。3.根据权利要求1所述的方法，其特征在于，在所述构建候选特征维度之后,所述方法包括：获取所述候选特征样本，并将所述候选特征样本所属特征维度确定为已有特征维度；根据所述候选特征维度和所述已有特征维度，确定所述候选特征样本的缺失特征维度；基于属于所述已有特征维度的所述候选特征样本，在所述候选特征样本中补全所述缺失特征维度。4.根据权利要求1所述的方法，其特征在于，所述候选特征维度中筛选有效特征维度，包括：将属于所述候选特征维度的所述候选特征样本输入特征选择模型，通过所述特征选择模型确定各所述候选特征维度的特征重要度；基于所述特征重要度和预设重要度阈值，在所述候选特征维度中确定待定特征维度；确定各所述待定特征维度对所述车辆置换预测模型的性能提升贡献度，根据所述性能提升贡献度确定所述有效特征维度。5.根据权利要求1所述的方法，其特征在于，所述基于所述正例特征样本对所述目标特征样本的所述正负样本比值进行调整，得到模型训练样本，包括：在所述正例特征样本中确定种子特征样本，分别确定所述种子特征样本与各所述正例特征样本之间的特征相似度；基于所述特征相似度，从所述正例特征样本中为所述种子特征样本确定近邻特征样本；根据所述种子特征样本和所述近邻特征样本，合成新的特征样本；利用所述新的特征样本扩充所述正例特征样本，以调整所述正负样本比值，得到所述模型训练样本。6.一种车辆置换预测方法，其...
【专利技术属性】
技术研发人员：宫保伟，付振，王明月，张弦，韩鹏，李涵，
申请(专利权)人：中国第一汽车股份有限公司，
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。