多阶段数据融合半监督学习矫正去重用户数智能估计方法

本发明提出了一种多阶段数据融合半监督学习矫正去重用户数智能估计方法，包括：第一阶段：基于第一样本集和第二样本集分别进行多元线性回归系数生成并对回归系数进行初调；第二阶段：基于实时真实检测数据进行参数矫正，根据实时误差和噪声进行回归系数的更新。本发明融合了去重用户数估计相关的指标，在统计时间段内基于流量旁路采集进行实时两阶段拟合参数调整，根据实时误差和噪声进行拟合系数的终态更新，更新后的系数再用于去重用户数的估计。本发明的实时半监督矫正去重用户数估计，可以在较少的资源代价的情况下准确地对去重用户数进行估计，避免全覆盖统计巨大的资源开销，提高了单特征估计的准确度，降低了神经网络算法检测的复杂度。