本申請(qǐng)涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，尤其涉及數(shù)據(jù)預(yù)測(cè)方法及裝置。

背景技術(shù)：

時(shí)間序列(或稱(chēng)動(dòng)態(tài)數(shù)列)是指將同一統(tǒng)計(jì)指標(biāo)的數(shù)值按其發(fā)生的時(shí)間先后順序排列而成的數(shù)列。并且，時(shí)間序列分析的主要目的是根據(jù)已有的歷史數(shù)據(jù)對(duì)時(shí)間序列的未來(lái)值進(jìn)行預(yù)測(cè)。

現(xiàn)有技術(shù)中，可以采用回歸模型、自回歸積分滑動(dòng)平均模型(autoregressiveintegratedmovingaveragemodel，arima)模型、以及帶有干預(yù)序列的arima模型等不同的模型來(lái)預(yù)測(cè)某一時(shí)間序列的未來(lái)值。

但是，上述預(yù)測(cè)模型中的抽樣、參數(shù)估計(jì)、變量選擇以及最終模型選擇均需要人工參與，提高了時(shí)間序列分析的難度，并降低了時(shí)間序列分析的效率以及靈活性。

技術(shù)實(shí)現(xiàn)要素：

本申請(qǐng)?zhí)峁?shù)據(jù)預(yù)測(cè)方法及裝置，以解決現(xiàn)有技術(shù)中預(yù)測(cè)模型中的抽樣、參數(shù)估計(jì)、變量選擇以及最終模型選擇均需要人工參與，提高了時(shí)間序列分析的難度，并降低了時(shí)間序列分析的效率以及靈活性問(wèn)題。

根據(jù)本申請(qǐng)實(shí)施例的第一方面，提供一種數(shù)據(jù)預(yù)測(cè)方法，所述方法包括：

獲取用于數(shù)據(jù)預(yù)測(cè)的樣本集，所述樣本集至少包括兩個(gè)樣本；

對(duì)各個(gè)樣本均進(jìn)行建模，得到每個(gè)樣本對(duì)應(yīng)的樣本最優(yōu)模型；

根據(jù)各個(gè)所述樣本最優(yōu)模型確定所述樣本集對(duì)應(yīng)的整體最優(yōu)模型；

根據(jù)所述每個(gè)樣本對(duì)應(yīng)的樣本最優(yōu)模型和所述整體最優(yōu)模型確定每個(gè)樣本對(duì)應(yīng)的預(yù)測(cè)模型，并利用各個(gè)所述預(yù)測(cè)模型進(jìn)行數(shù)據(jù)預(yù)測(cè)。

根據(jù)本申請(qǐng)實(shí)施例的第二方面，提供一種數(shù)據(jù)預(yù)測(cè)裝置，所述裝置包括：

獲取單元，用于獲取用于數(shù)據(jù)預(yù)測(cè)的樣本集，所述樣本集至少包括兩個(gè)樣本；

建模單元，用于對(duì)各個(gè)樣本均進(jìn)行建模，得到每個(gè)樣本對(duì)應(yīng)的樣本最優(yōu)模型；

確定單元，用于根據(jù)各個(gè)所述樣本最優(yōu)模型確定所述樣本集對(duì)應(yīng)的整體最優(yōu)模型；

預(yù)測(cè)單元，用于根據(jù)所述每個(gè)樣本對(duì)應(yīng)的樣本最優(yōu)模型和所述整體最優(yōu)模型確定每個(gè)樣本對(duì)應(yīng)的預(yù)測(cè)模型，并利用各個(gè)所述預(yù)測(cè)模型進(jìn)行數(shù)據(jù)預(yù)測(cè)。

根據(jù)本申請(qǐng)實(shí)施例的第三方面，提供一種數(shù)據(jù)預(yù)測(cè)裝置，所述裝置包括：

處理器；

用于存儲(chǔ)所述處理器可執(zhí)行指令的存儲(chǔ)器；

其中，所述處理器被配置為：

獲取用于數(shù)據(jù)預(yù)測(cè)的樣本集，所述樣本集至少包括兩個(gè)樣本；

對(duì)各個(gè)樣本均進(jìn)行建模，得到每個(gè)樣本對(duì)應(yīng)的樣本最優(yōu)模型；

根據(jù)各個(gè)所述樣本最優(yōu)模型確定所述樣本集對(duì)應(yīng)的整體最優(yōu)模型；

根據(jù)所述每個(gè)樣本對(duì)應(yīng)的樣本最優(yōu)模型和所述整體最優(yōu)模型確定每個(gè)樣本對(duì)應(yīng)的預(yù)測(cè)模型，并利用各個(gè)所述預(yù)測(cè)模型進(jìn)行數(shù)據(jù)預(yù)測(cè)。

應(yīng)用本申請(qǐng)實(shí)施例，在數(shù)據(jù)預(yù)測(cè)時(shí)，可以獲取至少包括兩個(gè)樣本的樣本集，對(duì)各個(gè)樣本均進(jìn)行建模，得到每個(gè)樣本對(duì)應(yīng)的樣本最優(yōu)模型，根據(jù)各個(gè)樣本最優(yōu)模型確定樣本集對(duì)應(yīng)的整體最優(yōu)模型，根據(jù)每個(gè)樣本對(duì)應(yīng)的樣本最優(yōu)模型和樣本集對(duì)應(yīng)的整體最優(yōu)模型確定每個(gè)樣本對(duì)應(yīng)的預(yù)測(cè)模型，并利用各個(gè)預(yù)測(cè)模型進(jìn)行數(shù)據(jù)預(yù)測(cè)，從而實(shí)現(xiàn)了數(shù)據(jù)預(yù)測(cè)的自動(dòng)化和批量化，還提高了數(shù)據(jù)預(yù)測(cè)的效率和準(zhǔn)確度。

附圖說(shuō)明

圖1為本申請(qǐng)實(shí)施例的數(shù)據(jù)預(yù)測(cè)場(chǎng)景示意圖；

圖2為本申請(qǐng)數(shù)據(jù)預(yù)測(cè)方法的一個(gè)實(shí)施例流程圖；

圖3為本申請(qǐng)數(shù)據(jù)預(yù)測(cè)方法的另一個(gè)實(shí)施例的流程圖；

圖4本申請(qǐng)數(shù)據(jù)預(yù)測(cè)裝置所在設(shè)備的一種硬件結(jié)構(gòu)圖；

圖5為本申請(qǐng)數(shù)據(jù)預(yù)測(cè)裝置的一個(gè)實(shí)施例框圖。

具體實(shí)施方式

這里將詳細(xì)地對(duì)示例性實(shí)施例進(jìn)行說(shuō)明，其示例表示在附圖中。下面的描述涉及附圖時(shí)，除非另有表示，不同附圖中的相同數(shù)字表示相同或相似的要素。以下示例性實(shí)施例中所描述的實(shí)施方式并不代表與本申請(qǐng)相一致的所有實(shí)施方式。相反，它們僅是與如所附權(quán)利要求書(shū)中所詳述的、本申請(qǐng)的一些方面相一致的裝置和方法的例子。

在本申請(qǐng)使用的術(shù)語(yǔ)是僅僅出于描述特定實(shí)施例的目的，而非旨在限制本申請(qǐng)。在本申請(qǐng)和所附權(quán)利要求書(shū)中所使用的單數(shù)形式的“一種”、“所述”和“該”也旨在包括多數(shù)形式，除非上下文清楚地表示其他含義。還應(yīng)當(dāng)理解，本文中使用的術(shù)語(yǔ)“和/或”是指并包含一個(gè)或多個(gè)相關(guān)聯(lián)的列出項(xiàng)目的任何或所有可能組合。

應(yīng)當(dāng)理解，盡管在本申請(qǐng)可能采用術(shù)語(yǔ)第一、第二、第三等來(lái)描述各種信息，但這些信息不應(yīng)限于這些術(shù)語(yǔ)。這些術(shù)語(yǔ)僅用來(lái)將同一類(lèi)型的信息彼此區(qū)分開(kāi)。例如，在不脫離本申請(qǐng)范圍的情況下，第一信息也可以被稱(chēng)為第二信息，類(lèi)似地，第二信息也可以被稱(chēng)為第一信息。取決于語(yǔ)境，如在此所使用的詞語(yǔ)“如果”可以被解釋成為“在……時(shí)”或“當(dāng)……時(shí)”或“響應(yīng)于確定”。

參見(jiàn)圖1，為本申請(qǐng)實(shí)施例的數(shù)據(jù)預(yù)測(cè)場(chǎng)景示意圖：

圖1場(chǎng)景中包括：用戶(hù)和數(shù)據(jù)預(yù)測(cè)設(shè)備。其中，用戶(hù)可以為企業(yè)a，并 且該企業(yè)a需要數(shù)據(jù)預(yù)測(cè)設(shè)備為其預(yù)測(cè)未來(lái)銷(xiāo)售額。

數(shù)據(jù)預(yù)測(cè)設(shè)備首先可以自動(dòng)獲取用于預(yù)測(cè)企業(yè)a未來(lái)銷(xiāo)售額的樣本集，該樣本集不僅包括企業(yè)a的銷(xiāo)售樣本，還包括其他可比企業(yè)的銷(xiāo)售樣本。其中，可比企業(yè)是與企業(yè)a為同一行業(yè)的企業(yè)。這里，該數(shù)據(jù)預(yù)測(cè)設(shè)備不僅需要企業(yè)a的銷(xiāo)售樣本，還需要其他可比企業(yè)的銷(xiāo)售樣本，其目的不僅可以提高預(yù)測(cè)企業(yè)a未來(lái)銷(xiāo)售額的準(zhǔn)確性，還可以同時(shí)預(yù)測(cè)其他可比企業(yè)未來(lái)銷(xiāo)售額。另外，企業(yè)a的銷(xiāo)售樣本和其他可比企業(yè)的銷(xiāo)售樣本可以是一組時(shí)間序列。比如：各個(gè)企業(yè)連續(xù)30個(gè)月的銷(xiāo)售額。

然后，對(duì)各個(gè)銷(xiāo)售樣本均進(jìn)行建模，得到每個(gè)銷(xiāo)售樣本對(duì)應(yīng)的樣本最優(yōu)模型，該樣本最優(yōu)模型是針對(duì)同一樣本的預(yù)測(cè)誤差的最小值對(duì)應(yīng)的模型。

再次，根據(jù)各個(gè)銷(xiāo)售樣本最優(yōu)模型確定樣本集對(duì)應(yīng)的整體最優(yōu)模型，該整體最優(yōu)模型是相同樣本最優(yōu)模型對(duì)應(yīng)的樣本個(gè)數(shù)的最大值對(duì)應(yīng)的模型。

最后，可以將企業(yè)a的銷(xiāo)售樣本對(duì)應(yīng)的樣本最優(yōu)模型和樣本集對(duì)應(yīng)的整體最優(yōu)模型進(jìn)行比較：

(1)若企業(yè)a的銷(xiāo)售樣本對(duì)應(yīng)的樣本最優(yōu)模型與樣本集對(duì)應(yīng)的整體最優(yōu)模型相同，則選擇企業(yè)a的銷(xiāo)售樣本對(duì)應(yīng)的樣本最優(yōu)模型作為企業(yè)a對(duì)應(yīng)的預(yù)測(cè)模型，并利用企業(yè)a的銷(xiāo)售樣本對(duì)應(yīng)的樣本最優(yōu)模型對(duì)企業(yè)a未來(lái)的銷(xiāo)售額進(jìn)行預(yù)測(cè)。

(2)若企業(yè)a的銷(xiāo)售樣本對(duì)應(yīng)的樣本最優(yōu)模型與樣本集對(duì)應(yīng)的整體最優(yōu)模型不同，則計(jì)算樣本最優(yōu)模型對(duì)企業(yè)a的銷(xiāo)售樣本的預(yù)測(cè)誤差、以及整體最優(yōu)模型對(duì)企業(yè)a的銷(xiāo)售樣本的預(yù)測(cè)誤差，然后計(jì)算兩個(gè)誤差之間的差值：

若差值小于設(shè)定差值閾值，則將整體最優(yōu)模型確定企業(yè)a的銷(xiāo)售樣本對(duì)應(yīng)的預(yù)測(cè)模型，并利用整體最優(yōu)模型對(duì)企業(yè)a未來(lái)的銷(xiāo)售額進(jìn)行預(yù)測(cè)。

若差值不小于設(shè)定差值閾值，則將樣本最優(yōu)模型確定企業(yè)a的銷(xiāo)售樣本對(duì)應(yīng)的預(yù)測(cè)模型，并利用樣本最優(yōu)模型對(duì)企業(yè)a未來(lái)的銷(xiāo)售額進(jìn)行預(yù)測(cè)。

因此，數(shù)據(jù)預(yù)測(cè)設(shè)備可以自動(dòng)根據(jù)企業(yè)a的銷(xiāo)售樣本、以及其他可比企業(yè)的銷(xiāo)售樣本預(yù)測(cè)企業(yè)a未來(lái)的銷(xiāo)售額，這樣可以提高預(yù)測(cè)銷(xiāo)售額的準(zhǔn)確性。

下面對(duì)本申請(qǐng)實(shí)施例進(jìn)行詳細(xì)說(shuō)明。

參見(jiàn)圖2，為本申請(qǐng)數(shù)據(jù)預(yù)測(cè)方法的一個(gè)實(shí)施例的流程圖，該方法可以應(yīng)用于數(shù)據(jù)預(yù)測(cè)設(shè)備上，該數(shù)據(jù)預(yù)測(cè)設(shè)備可以為終端設(shè)備、也可以為服務(wù)器等，包括以下步驟：

步驟210：獲取用于數(shù)據(jù)預(yù)測(cè)的樣本集，該樣本集至少包括兩個(gè)樣本。

本申請(qǐng)實(shí)施例中，樣本集中的各個(gè)樣本可以是一組時(shí)間序列。并且，樣本中的數(shù)據(jù)可以是全量數(shù)據(jù)，不用采樣。

比如：若需要預(yù)測(cè)企業(yè)1未來(lái)銷(xiāo)售額，其對(duì)應(yīng)的樣本集可以包括：樣本1、樣本2、…、樣本n等。其中，樣本1為企業(yè)1連續(xù)30個(gè)月的銷(xiāo)售額，樣本2為企業(yè)2連續(xù)30個(gè)月的銷(xiāo)售額、…、樣本n為企業(yè)n連續(xù)30個(gè)月的銷(xiāo)售額。其中，企業(yè)2、…、企業(yè)n皆為企業(yè)1的可比企業(yè)。

步驟220：對(duì)各個(gè)樣本均進(jìn)行建模，得到每個(gè)樣本對(duì)應(yīng)的樣本最優(yōu)模型。

本申請(qǐng)實(shí)施例中，可以同時(shí)對(duì)多個(gè)樣本建模，且每個(gè)樣本可以有不同的參數(shù)，或者選擇多種建模模型，從這些建模模型中確定每個(gè)樣本對(duì)應(yīng)的樣本最優(yōu)模型。并且，樣本最優(yōu)模型是針對(duì)單個(gè)樣本來(lái)說(shuō)，是最優(yōu)的建模模型。

步驟230：根據(jù)各個(gè)樣本最優(yōu)模型確定樣本集對(duì)應(yīng)的整體最優(yōu)模型。

本申請(qǐng)實(shí)施例中，不僅需要確定每個(gè)樣本對(duì)應(yīng)的樣本最優(yōu)模型，還需要確定樣本集對(duì)應(yīng)的整體最優(yōu)模型，該整體最優(yōu)模型是針對(duì)樣本集中大多數(shù)樣本來(lái)說(shuō)，是最優(yōu)的建模模型。

步驟240：根據(jù)每個(gè)樣本對(duì)應(yīng)的樣本最優(yōu)模型和樣本集對(duì)應(yīng)的整體最優(yōu)模型確定每個(gè)樣本對(duì)應(yīng)的預(yù)測(cè)模型，并利用各個(gè)預(yù)測(cè)模型進(jìn)行數(shù)據(jù)預(yù)測(cè)。

本申請(qǐng)實(shí)施例中，確定每個(gè)樣本對(duì)應(yīng)的預(yù)測(cè)模型時(shí)，不僅考慮該樣本自身對(duì)應(yīng)的樣本最優(yōu)模型，還要考慮整體最優(yōu)模型，若樣本最優(yōu)模型與整體最優(yōu)模型相同，則可以直接用整體最優(yōu)模型進(jìn)行數(shù)據(jù)預(yù)測(cè)；若樣本最優(yōu)模型與整體最優(yōu)模型不同，則將樣本最優(yōu)模型與整體最優(yōu)模型進(jìn)行比較，選取最適合該樣本的一個(gè)模型作為預(yù)測(cè)模型，并用以進(jìn)行數(shù)據(jù)預(yù)測(cè)。

利用該預(yù)測(cè)模型進(jìn)行數(shù)據(jù)預(yù)測(cè)時(shí)，可以利用該預(yù)測(cè)模型對(duì)對(duì)應(yīng)樣本的未 來(lái)值進(jìn)行預(yù)測(cè)。

由上述實(shí)施例可見(jiàn)，在數(shù)據(jù)預(yù)測(cè)時(shí)，可以獲取至少包括兩個(gè)樣本的樣本集，對(duì)各個(gè)樣本均進(jìn)行建模，得到每個(gè)樣本對(duì)應(yīng)的樣本最優(yōu)模型，根據(jù)各個(gè)樣本最優(yōu)模型確定樣本集對(duì)應(yīng)的整體最優(yōu)模型，根據(jù)每個(gè)樣本對(duì)應(yīng)的樣本最優(yōu)模型和樣本集對(duì)應(yīng)的整體最優(yōu)模型確定每個(gè)樣本對(duì)應(yīng)的預(yù)測(cè)模型，并利用各個(gè)預(yù)測(cè)模型進(jìn)行數(shù)據(jù)預(yù)測(cè)，從而實(shí)現(xiàn)了數(shù)據(jù)預(yù)測(cè)的自動(dòng)化和批量化，還提高了數(shù)據(jù)預(yù)測(cè)的效率和準(zhǔn)確度。

參見(jiàn)圖3，為本申請(qǐng)數(shù)據(jù)預(yù)測(cè)方法的另一個(gè)實(shí)施例的流程圖，該方法可以應(yīng)用于數(shù)據(jù)預(yù)測(cè)設(shè)備上，包括以下步驟：

步驟310：獲取用于數(shù)據(jù)預(yù)測(cè)的樣本集，該樣本集至少包括兩個(gè)樣本。該步驟與步驟210相同，在這里不再贅述。

步驟320：選擇至少兩個(gè)建模模型。

本申請(qǐng)實(shí)施例中，可以選擇多種建模模型，并從這些建模模型中確定每個(gè)樣本對(duì)應(yīng)的樣本最優(yōu)模型。并且，樣本集中各個(gè)樣本對(duì)應(yīng)的樣本最優(yōu)模型可以是相同的，也可以是不同的。

步驟330：計(jì)算各個(gè)建模模型對(duì)第一樣本的預(yù)測(cè)誤差，該第一樣本是樣本集中的任一個(gè)樣本。

本申請(qǐng)實(shí)施例中，各個(gè)建模模型可以均屬于指數(shù)平滑(exponentialsmoothing，es)模型。該es模型是生產(chǎn)預(yù)測(cè)中常用的一種模型，也用于中短期經(jīng)濟(jì)發(fā)展趨勢(shì)預(yù)測(cè)。

常用的指數(shù)平滑模型包括：一次指數(shù)平滑模型(simpleexponentialsmoothing，ses)、二次指數(shù)平滑模型(linearexponentialsmoothing，les)等。

在計(jì)算各個(gè)建模模型對(duì)第一樣本的預(yù)測(cè)誤差時(shí)，包括但不限于以下計(jì)算方法：

(1)對(duì)第一樣本進(jìn)行切分，并且切分后的第一樣本包括訓(xùn)練數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集。

本申請(qǐng)實(shí)施例中，對(duì)第一樣本進(jìn)行切分時(shí)，可以按照預(yù)設(shè)的切分參數(shù)對(duì)第一樣本進(jìn)行切分。其中，預(yù)設(shè)的切分參數(shù)用于指明訓(xùn)練數(shù)據(jù)集在第一樣本中的百分比(例如70％)和驗(yàn)證數(shù)據(jù)集在第一樣本中的百分比(例如30％)。

比如：第一樣本為企業(yè)a連續(xù)30個(gè)月的銷(xiāo)售額(a1、a2、…、a30)，并訓(xùn)練數(shù)據(jù)集對(duì)應(yīng)的切分參數(shù)為70％，驗(yàn)證數(shù)據(jù)集對(duì)應(yīng)的切分參數(shù)為30％，則可以將連續(xù)30個(gè)月的銷(xiāo)售額中前21個(gè)月的銷(xiāo)售額(a1、a2、…、a21)作為訓(xùn)練數(shù)據(jù)集，以及后9個(gè)月的銷(xiāo)售額(a22、a2、…、a30)作為驗(yàn)證數(shù)據(jù)集。

(2)根據(jù)各個(gè)指數(shù)平滑模型對(duì)第一樣本在訓(xùn)練數(shù)據(jù)集上進(jìn)行指數(shù)平滑訓(xùn)練，得到各個(gè)指數(shù)平滑模型對(duì)驗(yàn)證數(shù)據(jù)集的預(yù)測(cè)結(jié)果。

本申請(qǐng)實(shí)施例中，可以將第一樣本作為一時(shí)間序列，通過(guò)訓(xùn)練數(shù)據(jù)集中的訓(xùn)練數(shù)據(jù)來(lái)預(yù)測(cè)驗(yàn)證數(shù)據(jù)集中的驗(yàn)證數(shù)據(jù)。

在根據(jù)各個(gè)指數(shù)平滑模型對(duì)第一樣本在訓(xùn)練數(shù)據(jù)集上進(jìn)行指數(shù)平滑訓(xùn)練時(shí)，可以先對(duì)第一樣本的訓(xùn)練數(shù)據(jù)集進(jìn)行移動(dòng)平均，得到第一樣本的移動(dòng)平均指標(biāo)集；然后，根據(jù)各個(gè)指數(shù)平滑模型對(duì)第一樣本在訓(xùn)練數(shù)據(jù)集和移動(dòng)平均指標(biāo)集上進(jìn)行指數(shù)平滑訓(xùn)練，得到預(yù)測(cè)結(jié)果。

比如：第一樣本為企業(yè)a連續(xù)30個(gè)月的銷(xiāo)售額(a1、a2、…、a30)，前21個(gè)月的銷(xiāo)售額(a1、a2、…、a21)作為訓(xùn)練數(shù)據(jù)集，以及后9個(gè)月的銷(xiāo)售額(a22、a2、…、a30)作為驗(yàn)證數(shù)據(jù)集。

用2個(gè)月做移動(dòng)平均，生成企業(yè)a的前21個(gè)月的移動(dòng)平均指標(biāo)集(b1、b2、…、b21)。

其中，b1＝a1；

b2＝(a1+a2)/2；

b3＝(a2+a3)/2；

…

b21＝(a20+a21)/2。

首先，利用ses模型對(duì)訓(xùn)練數(shù)據(jù)集(a1、a2、…、a21)進(jìn)行建模，得 到后9個(gè)月的預(yù)測(cè)值，然后利用les對(duì)訓(xùn)練數(shù)據(jù)集(a1、a2、…、a21)進(jìn)行建模，也得到后9個(gè)月的預(yù)測(cè)值，一直到利用完所有的指數(shù)平滑模型。

然后，利用ses模型對(duì)移動(dòng)平均指標(biāo)集(b1、b2、…、b21)進(jìn)行建模，得到后9個(gè)月的預(yù)測(cè)值，然后利用les對(duì)移動(dòng)平均指標(biāo)集(b1、b2、…、b21)進(jìn)行建模，也得到后9個(gè)月的預(yù)測(cè)值，一直到利用完所有的指數(shù)平滑模型。

(3)根據(jù)驗(yàn)證數(shù)據(jù)集和預(yù)測(cè)結(jié)果計(jì)算各個(gè)指數(shù)平滑模型的預(yù)測(cè)誤差。

本申請(qǐng)實(shí)施例中，可以計(jì)算預(yù)測(cè)結(jié)果中的各個(gè)預(yù)測(cè)數(shù)據(jù)與驗(yàn)證數(shù)據(jù)集中對(duì)應(yīng)的驗(yàn)證數(shù)據(jù)之間的差值，然后對(duì)各個(gè)差值進(jìn)行統(tǒng)計(jì)分析，得到各個(gè)指數(shù)平滑模型的預(yù)測(cè)誤差。

另外，用于本申請(qǐng)中計(jì)算預(yù)測(cè)誤差的方法還有很多，在這里不再贅述。

步驟340：將預(yù)測(cè)誤差的最小值對(duì)應(yīng)的建模模型確定為第一樣本對(duì)應(yīng)的樣本最優(yōu)模型。

上述步驟320至步驟340完成了對(duì)各個(gè)樣本均進(jìn)行建模，得到每個(gè)樣本對(duì)應(yīng)的樣本最優(yōu)模型的功能。

步驟350：根據(jù)每個(gè)樣本對(duì)應(yīng)的樣本最優(yōu)模型，計(jì)算相同樣本最優(yōu)模型對(duì)應(yīng)的樣本個(gè)數(shù)。

比如：樣本集包括樣本1、樣本2、樣本3和樣本4。其中，樣本1對(duì)應(yīng)的樣本最優(yōu)模型為指數(shù)平滑模型1；樣本2對(duì)應(yīng)的樣本最優(yōu)模型為指數(shù)平滑模型2；樣本3對(duì)應(yīng)的樣本最優(yōu)模型為指數(shù)平滑模型3；樣本4對(duì)應(yīng)的樣本最優(yōu)模型為指數(shù)平滑模型2。

上述各個(gè)指數(shù)平滑模型對(duì)應(yīng)的樣本個(gè)數(shù)分別是：指數(shù)平滑模型1對(duì)應(yīng)的樣本個(gè)數(shù)為1；指數(shù)平滑模型2對(duì)應(yīng)的樣本個(gè)數(shù)為2；指數(shù)平滑模型3對(duì)應(yīng)的樣本個(gè)數(shù)為1。其中，指數(shù)平滑模型2對(duì)應(yīng)的樣本個(gè)數(shù)大于指數(shù)平滑模型1對(duì)應(yīng)的樣本個(gè)數(shù)、以及大于指數(shù)平滑模型3對(duì)應(yīng)的樣本個(gè)數(shù)。故此，可以選擇指數(shù)平滑模型2為整體最優(yōu)模型。

步驟360：將樣本個(gè)數(shù)最大值對(duì)應(yīng)的樣本最優(yōu)模型確定為整體最優(yōu)模型。

本申請(qǐng)實(shí)施例中，確定整體最優(yōu)模型后，還可以計(jì)算該整體最優(yōu)模型的 樣本占比值，并且樣本占比值為整體最優(yōu)模型對(duì)應(yīng)的樣本個(gè)數(shù)與所有樣本個(gè)數(shù)的商值。

比如：樣本集包括1000個(gè)樣本，9個(gè)建模模型，其中建模模型a為整體最優(yōu)模型，其對(duì)應(yīng)的樣本個(gè)數(shù)為300，也就是有300個(gè)樣本選擇建模模型a為樣本最優(yōu)模型，則建模模型a的樣本占比值為0.3。該樣本占比值取值為0至1之間，表征了樣本集的一致性，樣本占比值越大，表明該樣本集的一致性越高。

上述步驟350至步驟360完成了根據(jù)各個(gè)樣本最優(yōu)模型確定樣本集對(duì)應(yīng)的整體最優(yōu)模型的功能。

步驟370：根據(jù)每個(gè)樣本對(duì)應(yīng)的樣本最優(yōu)模型和樣本集對(duì)應(yīng)的整體最優(yōu)模型確定每個(gè)樣本對(duì)應(yīng)的預(yù)測(cè)模型，并利用各個(gè)預(yù)測(cè)模型進(jìn)行數(shù)據(jù)預(yù)測(cè)。

本申請(qǐng)實(shí)施例中，根據(jù)每個(gè)樣本對(duì)應(yīng)的樣本最優(yōu)模型和樣本集對(duì)應(yīng)的整體最優(yōu)模型確定每個(gè)樣本對(duì)應(yīng)的預(yù)測(cè)模型，可以包括但不限于以下方法：

(1)判斷第一樣本對(duì)應(yīng)的樣本最優(yōu)模型與整體最優(yōu)模型是否相同，若不同，則執(zhí)行(2)至(4)；若相同，則執(zhí)行(5)。

(2)獲取樣本最優(yōu)模型對(duì)第一樣本的第一預(yù)測(cè)誤差、以及整體最優(yōu)模型對(duì)第一樣本的第二預(yù)測(cè)誤差。

(3)計(jì)算第一預(yù)測(cè)誤差與第二預(yù)測(cè)誤差之間的差值。

本申請(qǐng)實(shí)施例中，第一預(yù)測(cè)誤差與第二預(yù)測(cè)誤差之間的差值是衡量利用樣本最優(yōu)模型進(jìn)行預(yù)測(cè)和利用整體最優(yōu)模型進(jìn)行預(yù)測(cè)之間的一個(gè)差異度。

(4)若第一預(yù)測(cè)誤差與第二預(yù)測(cè)誤差之間的差值小于設(shè)定差值閾值，則將整體最優(yōu)模型確定第一樣本對(duì)應(yīng)的預(yù)測(cè)模型；若第一預(yù)測(cè)誤差與第二預(yù)測(cè)誤差之間的差值不小于設(shè)定差值閾值，則將樣本最優(yōu)模型確定第一樣本對(duì)應(yīng)的預(yù)測(cè)模型。

本申請(qǐng)實(shí)施例中，設(shè)定差值閾值的設(shè)置與整體最優(yōu)模型的樣本占比值有關(guān)，即根據(jù)樣本占比值的大小來(lái)設(shè)置設(shè)定差值閾值的大小，樣本占比值越大，設(shè)定差值閾值也可以越大。其中，樣本占比值越大，設(shè)定差值閾值也可以越 大的原因是樣本占比值越大，其表明樣本集中所有樣本的一致性越高，此時(shí)可以允許的設(shè)定差值閾值可以越高。

若第一預(yù)測(cè)誤差與第二預(yù)測(cè)誤差之間的差值小于設(shè)定差值閾值，表明利用樣本最優(yōu)模型進(jìn)行預(yù)測(cè)和利用整體最優(yōu)模型進(jìn)行預(yù)測(cè)之間的差異不大，可以直接用整體最優(yōu)模型作為預(yù)測(cè)模型即可。

若第一預(yù)測(cè)誤差與第二預(yù)測(cè)誤差之間的差值不小于設(shè)定差值閾值，表明利用樣本最優(yōu)模型進(jìn)行預(yù)測(cè)遠(yuǎn)遠(yuǎn)好于利用整體最優(yōu)模型進(jìn)行預(yù)測(cè)，故此仍然選用樣本最優(yōu)模型作為預(yù)測(cè)模型。

(5)將整體最優(yōu)模型確定第一樣本對(duì)應(yīng)的預(yù)測(cè)模型。

本申請(qǐng)實(shí)施例中，若樣本最優(yōu)模型與整體最優(yōu)模型相同，則可以直接將整體最優(yōu)模型確定第一樣本對(duì)應(yīng)的預(yù)測(cè)模型。

由上述實(shí)施例可見(jiàn)，在數(shù)據(jù)預(yù)測(cè)時(shí)，可以選擇多個(gè)建模模型，并從這些建模模型中選取各個(gè)樣本自身的樣本最優(yōu)模型，以及選取所有樣本對(duì)應(yīng)的整體最優(yōu)模型，并根據(jù)每個(gè)樣本對(duì)應(yīng)的樣本最優(yōu)模型和所有樣本對(duì)應(yīng)的整體最優(yōu)模型來(lái)確定每個(gè)樣本對(duì)應(yīng)的預(yù)測(cè)模型，并利用各個(gè)預(yù)測(cè)模型進(jìn)行數(shù)據(jù)預(yù)測(cè)，從而進(jìn)一步提高了數(shù)據(jù)預(yù)測(cè)的準(zhǔn)確度。

在一個(gè)例子中，該數(shù)據(jù)預(yù)測(cè)方法還可以包括：

在檢測(cè)到樣本更新時(shí)，根據(jù)更新后的樣本更新對(duì)應(yīng)的樣本最優(yōu)模型、整體最優(yōu)模型、以及預(yù)測(cè)模型。

本申請(qǐng)實(shí)施例中，若樣本集中的任一樣本的數(shù)據(jù)出現(xiàn)更新后，該樣本對(duì)應(yīng)的樣本最優(yōu)模型、整體最優(yōu)模型、整體最優(yōu)模型的樣本占比值、樣本最優(yōu)模型和整體最優(yōu)模型之間的預(yù)測(cè)差值以及設(shè)定差值閾值都會(huì)自動(dòng)改變，并且數(shù)據(jù)預(yù)測(cè)裝置會(huì)自動(dòng)計(jì)算出該樣本對(duì)應(yīng)的預(yù)測(cè)模型，以及得到預(yù)測(cè)結(jié)果。

由上述實(shí)施例可見(jiàn)，在樣本數(shù)據(jù)更新時(shí)，數(shù)據(jù)預(yù)測(cè)用到的預(yù)測(cè)參數(shù)和預(yù)測(cè)模型都會(huì)自動(dòng)改變，從而增強(qiáng)了數(shù)據(jù)預(yù)測(cè)的實(shí)時(shí)性，還提高了數(shù)據(jù)預(yù)測(cè)的靈活性。

與本申請(qǐng)數(shù)據(jù)預(yù)測(cè)方法的實(shí)施例相對(duì)應(yīng)，本申請(qǐng)還提供了數(shù)據(jù)預(yù)測(cè)裝置 的實(shí)施例。

本申請(qǐng)數(shù)據(jù)預(yù)測(cè)裝置的實(shí)施例可以分別應(yīng)用在數(shù)據(jù)預(yù)測(cè)設(shè)備上，比如：終端設(shè)備或服務(wù)器。裝置實(shí)施例可以通過(guò)軟件實(shí)現(xiàn)，也可以通過(guò)硬件或者軟硬件結(jié)合的方式實(shí)現(xiàn)。以軟件實(shí)現(xiàn)為例，作為一個(gè)邏輯意義上的裝置，是通過(guò)其所在設(shè)備的處理器將非易失性存儲(chǔ)器中對(duì)應(yīng)的計(jì)算機(jī)程序指令讀取到內(nèi)存中運(yùn)行形成的。從硬件層面而言，如圖4所示，為本申請(qǐng)數(shù)據(jù)預(yù)測(cè)裝置所在設(shè)備的一種硬件結(jié)構(gòu)圖，除了圖4所示的處理器、內(nèi)存、網(wǎng)絡(luò)接口、以及非易失性存儲(chǔ)器之外，實(shí)施例中裝置所在的設(shè)備通常根據(jù)該設(shè)備的實(shí)際功能，還可以包括其他硬件，如對(duì)于終端來(lái)說(shuō)，可能包括攝像頭、觸摸屏子、通信組件等，對(duì)于服務(wù)器來(lái)說(shuō)，可能包括負(fù)責(zé)處理報(bào)文的轉(zhuǎn)發(fā)芯片等等。

參見(jiàn)圖5，為本申請(qǐng)數(shù)據(jù)預(yù)測(cè)裝置的一個(gè)實(shí)施例框圖，該數(shù)據(jù)預(yù)測(cè)裝置可以應(yīng)用在數(shù)據(jù)預(yù)測(cè)設(shè)備上，并可以用于執(zhí)行圖2所示的數(shù)據(jù)預(yù)測(cè)方法，該裝置可以包括：獲取單元51、建模單元52、確定單元53和預(yù)測(cè)單元54。

其中，獲取單元51用于獲取用于數(shù)據(jù)預(yù)測(cè)的樣本集，所述樣本集至少包括兩個(gè)樣本；

建模單元52用于對(duì)各個(gè)樣本均進(jìn)行建模，得到每個(gè)樣本對(duì)應(yīng)的樣本最優(yōu)模型；

確定單元53用于根據(jù)各個(gè)所述樣本最優(yōu)模型確定所述樣本集對(duì)應(yīng)的整體最優(yōu)模型；

預(yù)測(cè)單元54用于根據(jù)所述每個(gè)樣本對(duì)應(yīng)的樣本最優(yōu)模型和所述整體最優(yōu)模型確定每個(gè)樣本對(duì)應(yīng)的預(yù)測(cè)模型，并利用各個(gè)所述預(yù)測(cè)模型進(jìn)行數(shù)據(jù)預(yù)測(cè)。

在一個(gè)可選的實(shí)現(xiàn)方式中：所述建模單元52可以包括：選擇子單元、第一計(jì)算子單元、第一確定子單元(圖5中未示出)。

其中，選擇子單元用于選擇至少兩個(gè)建模模型；

第一計(jì)算子單元用于計(jì)算各個(gè)建模模型對(duì)第一樣本的預(yù)測(cè)誤差，所述第一樣本是所述樣本集中的任一個(gè)樣本；

第一確定子單元用于將所述預(yù)測(cè)誤差的最小值對(duì)應(yīng)的建模模型確定為所述第一樣本對(duì)應(yīng)的樣本最優(yōu)模型。

在另一個(gè)可選的實(shí)現(xiàn)方式中：所述建模模型屬于指數(shù)平滑模型；所述第一計(jì)算子單元可以包括：切分模塊、指數(shù)平滑訓(xùn)練模塊和計(jì)算模塊(圖5中未示出)。

其中，切分模塊用于對(duì)所述第一樣本進(jìn)行切分，所述切分后的第一樣本包括訓(xùn)練數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集；

指數(shù)平滑訓(xùn)練模塊用于根據(jù)各個(gè)指數(shù)平滑模型對(duì)第一樣本在所述訓(xùn)練數(shù)據(jù)集上進(jìn)行指數(shù)平滑訓(xùn)練，得到各個(gè)指數(shù)平滑模型對(duì)所述驗(yàn)證數(shù)據(jù)集的預(yù)測(cè)結(jié)果；

計(jì)算模塊用于根據(jù)所述驗(yàn)證數(shù)據(jù)集和所述預(yù)測(cè)結(jié)果計(jì)算各個(gè)指數(shù)平滑模型的預(yù)測(cè)誤差。

在另一個(gè)可選的實(shí)現(xiàn)方式中：所述指數(shù)平滑訓(xùn)練模塊可以包括：移動(dòng)平均子模塊和指數(shù)平滑訓(xùn)練子模塊(圖5中未示出)。

其中，移動(dòng)平均子模塊用于對(duì)第一樣本的訓(xùn)練數(shù)據(jù)集進(jìn)行移動(dòng)平均，得到第一樣本的移動(dòng)平均指標(biāo)集；

指數(shù)平滑訓(xùn)練子模塊用于根據(jù)各個(gè)指數(shù)平滑模型對(duì)第一樣本在所述訓(xùn)練數(shù)據(jù)集和所述移動(dòng)平均指標(biāo)集上進(jìn)行指數(shù)平滑訓(xùn)練，得到所述預(yù)測(cè)結(jié)果。

在另一個(gè)可選的實(shí)現(xiàn)方式中：所述計(jì)算模塊可以包括：計(jì)算子模塊和統(tǒng)計(jì)分析子模塊(圖5中未示出)。

其中，計(jì)算子模塊用于計(jì)算所述預(yù)測(cè)結(jié)果中的各個(gè)預(yù)測(cè)數(shù)據(jù)與所述驗(yàn)證數(shù)據(jù)集中對(duì)應(yīng)的驗(yàn)證數(shù)據(jù)之間的差值；

統(tǒng)計(jì)分析子模塊用于對(duì)各個(gè)所述差值進(jìn)行統(tǒng)計(jì)分析，得到所述預(yù)測(cè)誤差。

在另一個(gè)可選的實(shí)現(xiàn)方式中：所述確定單元53可以包括：第二計(jì)算子單元和第二確定子單元(圖5中未示出)。

其中，第二計(jì)算子單元用于根據(jù)每個(gè)樣本對(duì)應(yīng)的樣本最優(yōu)模型，計(jì)算相同樣本最優(yōu)模型對(duì)應(yīng)的樣本個(gè)數(shù)；

第二確定子單元用于將所述樣本個(gè)數(shù)最大值對(duì)應(yīng)的樣本最優(yōu)模型確定為所述整體最優(yōu)模型。

在另一個(gè)可選的實(shí)現(xiàn)方式中：所述裝置還可以包括：計(jì)算單元(圖5中未示出)。

其中，計(jì)算單元，用于計(jì)算所述整體最優(yōu)模型的樣本占比值，所述樣本占比值為所述整體最優(yōu)模型對(duì)應(yīng)的樣本個(gè)數(shù)與所有樣本個(gè)數(shù)的商值。

在另一個(gè)可選的實(shí)現(xiàn)方式中：所述預(yù)測(cè)單元54可以包括：判斷子單元、獲取子單元、第三計(jì)算子單元、第三確定子單元和第四確定子單元(圖5中未示出)。

其中，判斷子單元用于判斷所述第一樣本對(duì)應(yīng)的樣本最優(yōu)模型與所述整體最優(yōu)模型是否相同；

獲取子單元用于若所述第一樣本的樣本最優(yōu)模型與所述整體最優(yōu)模型不同，獲取所述樣本最優(yōu)模型對(duì)所述第一樣本的第一預(yù)測(cè)誤差、以及所述整體最優(yōu)模型對(duì)所述第一樣本的第二預(yù)測(cè)誤差；

第三計(jì)算子單元用于計(jì)算所述第一預(yù)測(cè)誤差與所述第二預(yù)測(cè)誤差之間的差值；

第三確定子單元用于若所述差值小于設(shè)定差值閾值，則將所述整體最優(yōu)模型確定所述第一樣本對(duì)應(yīng)的預(yù)測(cè)模型；

第四確定子單元用于若所述差值不小于所述設(shè)定差值閾值，則將所述樣本最優(yōu)模型確定所述第一樣本對(duì)應(yīng)的預(yù)測(cè)模型。

在另一個(gè)可選的實(shí)現(xiàn)方式中：所述預(yù)測(cè)單元54還可以包括：第五確定子單元(圖5中未示出)。

其中，第五確定子單元用于若所述第一樣本的樣本最優(yōu)模型與所述整體最優(yōu)模型相同，則將所述整體最優(yōu)模型確定所述第一樣本對(duì)應(yīng)的預(yù)測(cè)模型。

在另一個(gè)可選的實(shí)現(xiàn)方式中：所述裝置還可以包括：更新單元(圖5中未示出)。

其中，更新單元用于在檢測(cè)到樣本更新時(shí)，根據(jù)更新后的樣本更新對(duì)應(yīng) 的樣本最優(yōu)模型、整體最優(yōu)模型、以及預(yù)測(cè)模型。

上述裝置中各個(gè)單元的功能和作用的實(shí)現(xiàn)過(guò)程具體詳見(jiàn)上述方法中對(duì)應(yīng)步驟的實(shí)現(xiàn)過(guò)程，在此不再贅述。

對(duì)于裝置實(shí)施例而言，由于其基本對(duì)應(yīng)于方法實(shí)施例，所以相關(guān)之處參見(jiàn)方法實(shí)施例的部分說(shuō)明即可。以上所描述的裝置實(shí)施例僅僅是示意性的，其中所述作為分離部件說(shuō)明的單元可以是或者也可以不是物理上分開(kāi)的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實(shí)際的需要選擇其中的部分或者全部模塊來(lái)實(shí)現(xiàn)本請(qǐng)求方案的目的。本領(lǐng)域普通技術(shù)人員在不付出創(chuàng)造性勞動(dòng)的情況下，即可以理解并實(shí)施。

與圖5相對(duì)應(yīng)，本申請(qǐng)實(shí)施例還提供了一種數(shù)據(jù)預(yù)測(cè)裝置，所述裝置可以應(yīng)用于數(shù)據(jù)預(yù)測(cè)設(shè)備上，包括：

處理器；

用于存儲(chǔ)所述處理器可執(zhí)行指令的存儲(chǔ)器；

其中，所述處理器被配置為：

獲取用于數(shù)據(jù)預(yù)測(cè)的樣本集，所述樣本集至少包括兩個(gè)樣本；

對(duì)各個(gè)樣本均進(jìn)行建模，得到每個(gè)樣本對(duì)應(yīng)的樣本最優(yōu)模型；

根據(jù)各個(gè)所述樣本最優(yōu)模型確定所述樣本集對(duì)應(yīng)的整體最優(yōu)模型；

根據(jù)所述每個(gè)樣本對(duì)應(yīng)的樣本最優(yōu)模型和所述整體最優(yōu)模型確定每個(gè)樣本對(duì)應(yīng)的預(yù)測(cè)模型，并利用各個(gè)所述預(yù)測(cè)模型進(jìn)行數(shù)據(jù)預(yù)測(cè)。

由上述實(shí)施例可見(jiàn)，在數(shù)據(jù)預(yù)測(cè)時(shí)，可以獲取至少包括兩個(gè)樣本的樣本集，對(duì)各個(gè)樣本均進(jìn)行建模，得到每個(gè)樣本對(duì)應(yīng)的樣本最優(yōu)模型，根據(jù)各個(gè)樣本最優(yōu)模型確定樣本集對(duì)應(yīng)的整體最優(yōu)模型，根據(jù)每個(gè)樣本對(duì)應(yīng)的樣本最優(yōu)模型和樣本集對(duì)應(yīng)的整體最優(yōu)模型確定每個(gè)樣本對(duì)應(yīng)的預(yù)測(cè)模型，并利用各個(gè)預(yù)測(cè)模型進(jìn)行數(shù)據(jù)預(yù)測(cè)，從而實(shí)現(xiàn)了數(shù)據(jù)預(yù)測(cè)的自動(dòng)化和批量化，還提高了數(shù)據(jù)預(yù)測(cè)的效率和準(zhǔn)確度

本領(lǐng)域技術(shù)人員在考慮說(shuō)明書(shū)及實(shí)踐這里公開(kāi)的發(fā)明后，將容易想到本 申請(qǐng)的其它實(shí)施方案。本申請(qǐng)旨在涵蓋本申請(qǐng)的任何變型、用途或者適應(yīng)性變化，這些變型、用途或者適應(yīng)性變化遵循本申請(qǐng)的一般性原理并包括本申請(qǐng)未公開(kāi)的本技術(shù)領(lǐng)域中的公知常識(shí)或慣用技術(shù)手段。說(shuō)明書(shū)和實(shí)施例僅被視為示例性的，本申請(qǐng)的真正范圍和精神由下面的權(quán)利要求指出。

應(yīng)當(dāng)理解的是，本申請(qǐng)并不局限于上面已經(jīng)描述并在附圖中示出的精確結(jié)構(gòu)，并且可以在不脫離其范圍進(jìn)行各種修改和改變。本申請(qǐng)的范圍僅由所附的權(quán)利要求來(lái)限制。