1.一種事件發(fā)生概率預(yù)測(cè)方法，其特征在于，包括以下步驟：
根據(jù)預(yù)設(shè)模型組中每種預(yù)測(cè)模型對(duì)預(yù)測(cè)事件的預(yù)測(cè)指標(biāo)類型需求，獲取與所述預(yù)測(cè)指標(biāo)類型需求對(duì)應(yīng)的預(yù)測(cè)指標(biāo)；
應(yīng)用每種預(yù)測(cè)模型處理對(duì)應(yīng)的預(yù)測(cè)指標(biāo)，獲取與每種預(yù)測(cè)模型對(duì)應(yīng)的輸出概率；
應(yīng)用預(yù)先訓(xùn)練的與所述模型組對(duì)應(yīng)的擬合模型，處理與每種預(yù)測(cè)模型對(duì)應(yīng)的輸出概率，預(yù)測(cè)所述事件的發(fā)生概率。
2.如權(quán)利要求1所述的事件發(fā)生概率預(yù)測(cè)方法，其特征在于，若所述模型組包括：邏輯回歸模型model1和決策樹模型model2兩種預(yù)測(cè)模型，
所述應(yīng)用預(yù)先訓(xùn)練的與所述模型組對(duì)應(yīng)的擬合模型，處理與每種預(yù)測(cè)模型對(duì)應(yīng)的輸出概率，預(yù)測(cè)所述事件的發(fā)生概率包括：
應(yīng)用預(yù)先通過邏輯回歸算法訓(xùn)練獲取的擬合模型model3處理與每種預(yù)測(cè)模型對(duì)應(yīng)的輸出概率，預(yù)測(cè)所述事件的發(fā)生概率，其中，所述model3為：
Pred＝1/(1+exp(-Z)),其中，Z＝a1*pred_1+a2*pred_2+a0；
其中，pred_1為與邏輯回歸模型model1對(duì)應(yīng)的輸出概率；pred_2為與決策樹模型model2對(duì)應(yīng)的輸出概率；Pred為所述事件的發(fā)生概率；a1、a2和a0為擬合系數(shù)。
3.如權(quán)利要求1所述的事件發(fā)生概率預(yù)測(cè)方法，其特征在于，所述獲取與所述預(yù)測(cè)指標(biāo)類型需求對(duì)應(yīng)的預(yù)測(cè)指標(biāo)，包括：
從與所述預(yù)測(cè)事件對(duì)應(yīng)的業(yè)務(wù)數(shù)據(jù)庫中獲取與所述預(yù)測(cè)指標(biāo)類型需求對(duì)應(yīng)的預(yù)測(cè)指標(biāo)。
4.如權(quán)利要求1-4任一所述的事件發(fā)生概率預(yù)測(cè)方法，其特征在于，還包括：
獲取用來訓(xùn)練所述模型組的歷史指標(biāo)樣本集，以及與所述預(yù)測(cè)事件對(duì)應(yīng)的歷史發(fā)生概率樣本集；
根據(jù)所述歷史指標(biāo)樣本集獲取與所述模型組中每種預(yù)測(cè)模型對(duì)應(yīng)的歷史輸出概率樣本集；
將所述歷史輸出概率樣本集作為所述擬合模型的輸入，以及將所述歷史發(fā)生概率樣本集作為所述擬合模型的輸出，確定所述擬合模型中的擬合系數(shù)。
5.如權(quán)利要求4所述的事件發(fā)生概率預(yù)測(cè)方法，其特征在于，所述擬合系數(shù)，包括：
與所述模型組中每種預(yù)測(cè)模型對(duì)應(yīng)的系數(shù)，和/或；
與所述擬合模型對(duì)應(yīng)的常系數(shù)。
6.一種事件發(fā)生概率預(yù)測(cè)裝置，其特征在于，包括：
第一獲取模塊，用于根據(jù)預(yù)設(shè)模型組中每種預(yù)測(cè)模型對(duì)預(yù)測(cè)事件的預(yù)測(cè)指標(biāo)類型需求，獲取與所述預(yù)測(cè)指標(biāo)類型需求對(duì)應(yīng)的預(yù)測(cè)指標(biāo)；
第二獲取模塊，用于應(yīng)用每種預(yù)測(cè)模型處理對(duì)應(yīng)的預(yù)測(cè)指標(biāo)，獲取與每種預(yù)測(cè)模型對(duì)應(yīng)的輸出概率；
處理模塊，用于應(yīng)用預(yù)先訓(xùn)練的與所述模型組對(duì)應(yīng)的擬合模型，處理與每種預(yù)測(cè)模型對(duì)應(yīng)的輸出概率，預(yù)測(cè)所述事件的發(fā)生概率。
7.如權(quán)利要求6所述的事件發(fā)生概率預(yù)測(cè)裝置，其特征在于，若所述模型組包括：邏輯回歸模型model1和決策樹模型model2兩種預(yù)測(cè)模型，
所述處理模塊具體用于：應(yīng)用預(yù)先通過邏輯回歸算法訓(xùn)練獲取的擬合模型model3處理與每種預(yù)測(cè)模型對(duì)應(yīng)的輸出概率，預(yù)測(cè)所述事件的發(fā)生概率，其中，所述model3為：
Pred＝1/(1+exp(-Z)),其中，Z＝a1*pred_1+a2*pred_2+a0；
其中，pred_1為與邏輯回歸模型model1對(duì)應(yīng)的輸出概率；pred_2為與決策樹模型model2對(duì)應(yīng)的輸出概率；Pred為所述事件的發(fā)生概率；a1、a2和a0為擬合系數(shù)。
8.如權(quán)利要求6所述的事件發(fā)生概率預(yù)測(cè)裝置，其特征在于，所述第一獲取模塊，具體用于：
從與所述預(yù)測(cè)事件對(duì)應(yīng)的業(yè)務(wù)數(shù)據(jù)庫中獲取與所述預(yù)測(cè)指標(biāo)類型需求對(duì)應(yīng)的預(yù)測(cè)指標(biāo)。
9.如權(quán)利要求6-8任一所述的事件發(fā)生概率預(yù)測(cè)裝置，其特征在于，還包括：
第三獲取模塊，用于獲取用來訓(xùn)練所述模型組的歷史指標(biāo)樣本集，以及與所述預(yù)測(cè)事件對(duì)應(yīng)的歷史發(fā)生概率樣本集；
所述第二獲取模塊，還用于根據(jù)所述歷史指標(biāo)樣本集獲取與所述模型組中每種預(yù)測(cè)模型對(duì)應(yīng)的歷史輸出概率樣本集；
訓(xùn)練模塊，用于將所述歷史輸出概率樣本集作為所述擬合模型的輸入，以及將所述歷史發(fā)生概率樣本集作為所述擬合模型的輸出，確定所述擬合模型中的擬合系數(shù)。
10.如權(quán)利要求9所述的事件發(fā)生概率預(yù)測(cè)裝置，其特征在于，所述擬合系數(shù)，包括：
與所述模型組中每種預(yù)測(cè)模型對(duì)應(yīng)的系數(shù)，和/或；
與所述擬合模型對(duì)應(yīng)的常系數(shù)。