技术特征：
1.一种数据的预测方法，其特征在于，包括：获取预测对象的特征变量；将所述预测对象的特征变量输入预先训练的分类模型中，得到所述预测对象关于预设特殊事件的事件发生概率；将所述预测对象的特征变量输入预先训练的数据预测模型中，得到所述预测对象在发生所述预设特殊事件之后所产生的相关数据的预测值；根据所述事件发生概率和所述相关数据的预测值，得到所述预测对象关于所述预设特殊事件的相关保障数据的预测值。2.根据权利要求1所述的数据的预测方法，其特征在于，所述分类模型的训练方法包括：从样本数据库中获取训练样本，并根据所述训练样本的样本事件类型，以及所述训练样本对应的特征变量，构建所述分类模型的训练样本集；根据所述训练样本集中所述训练样本对应的特征变量得到自变量，将所述样本事件类型作为因变量，根据所述训练样本集训练所述分类模型。3.根据权利要求2所述的数据的预测方法，其特征在于，所述从样本数据库中获取训练样本，包括：获取训练所述分类模型所需的所述特征变量的变量名称；从所述样本数据库中获取样本对象，并根据所述变量名称获取所述样本对象的特征变量；根据所述样本对象的各个特征变量对应的预设筛选条件，对所述样本对象进行过滤，得到训练样本。4.根据权利要求3所述的数据的预测方法，其特征在于，在对所述样本对象进行过滤之后，所述方法还包括：从所述变量名称中确定一抽样分类变量，并根据所述抽样分类变量对所述样本对象进行分类，得到多个样本对象集合；分别对各个所述样本对象集合中的所述样本对象进行抽样，得到所述训练样本。5.根据权利要求2所述的数据的预测方法，其特征在于，所述样本数据库包括真实世界数据。6.根据权利要求2所述的数据的预测方法，其特征在于，所述分类模型包括梯度提升树模型，所述根据所述训练样本集训练所述分类模型，包括：获取所述梯度提升树模型的损失函数，并根据所述损失函数和所述因变量初始化所述梯度提升树模型的学习器；根据所述损失函数以及所述自变量和因变量，得到所述梯度提升树模型的负梯度；根据所述自变量和所述负梯度拟合所述梯度提升树模型的分类回归树，并根据所述分类回归树得到最佳拟合值；根据所述最佳拟合值更新所述学习器，得到所述梯度提升树模型的强学习器，并将所述强学习器作为所述梯度提升树模型的输出。7.根据权利要求2所述的数据的预测方法，其特征在于，在所述构建所述分类模型的训练样本集之后，所述方法还包括：
将所述训练样本集划分为预设数量的训练样本子集；分别将每一所述训练样本子集作为模型测试集，得到预设数量的模型评估结果；根据所述模型评估结果对所述分类模型中的模型参数进行调整。8.根据权利要求1所述的数据的预测方法，其特征在于，所述数据预测模型的训练方法包括：从样本数据库中获取训练样本，并根据所述训练样本关于所述预设特殊事件的相关数据，以及所述训练样本对应的特征变量，构建所述数据预测模型的训练样本集；对所述数据预测模型的训练样本集进行有放回的重采样，得到多个数据预测训练集，并通过多个所述数据预测训练集训练所述数据预测模型。9.根据权利要求1所述的数据的预测方法，其特征在于，所述根据所述事件发生概率和所述相关数据的预测值，得到所述预测对象关于所述预设特殊事件的相关保障数据的预测值，包括：获取所述预测对象关于所述预设特殊事件的相关数据保障比例；根据所述事件发生概率和所述相关数据的预测值，以及所述相关数据保障比例，得到所述预测对象关于所述预设特殊事件的相关保障数据的预测值。10.一种数据的预测装置，其特征在于，包括：特征变量获取模块，用于获取预测对象的特征变量；事件概率预测模块，用于将所述预测对象的特征变量输入预先训练的分类模型中，得到所述预测对象关于预设特殊事件的事件发生概率；相关数据预测模块，用于将所述预测对象的特征变量输入预先训练的数据预测模型中，得到所述预测对象在发生所述预设特殊事件之后所产生的相关数据的预测值；保障数据预测模块，用于根据所述事件发生概率和所述相关数据的预测值，得到所述预测对象关于所述预设特殊事件的相关保障数据的预测值。11.一种电子设备，其特征在于，包括：处理器；以及存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至9中任一项所述的数据的预测方法。12.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1至9中任一项所述的数据的预测方法。
技术总结
本公开涉及一种数据的预测方法、装置、电子设备及计算机可读介质，属于数据处理技术领域。该方法包括：获取预测对象的特征变量；将所述预测对象的特征变量输入预先训练的分类模型中，得到所述预测对象关于预设特殊事件的事件发生概率；将所述预测对象的特征变量输入预先训练的数据预测模型中，得到所述预测对象在发生所述预设特殊事件之后所产生的相关数据的预测值；根据所述事件发生概率和所述相关数据的预测值，得到所述预测对象关于所述预设特殊事件的相关保障数据的预测值。本公开通过二阶段模型进行相关数据的预测，可以提高数据预测的准确性。测的准确性。测的准确性。
技术研发人员：亓玉雪 郭潇宇
受保护的技术使用者：天津幸福生命科技有限公司
技术研发日：2020.12.29
技术公布日：2022/7/14