司法数据时序规律型知识挖掘方法

本发明提供司法数据时序规律型知识挖掘方法，包括：从司法数据中台中随机获取多类不同案件类型的指数型数据作为时序挖掘模型训练的原始数据，包含多类不同的案件量数据，取设定的个数值作为训练集；数据预处理，划分训练集和测试集；通过相关系数、卡方验证进行相关性分析；训练集利用ADF检验得到检验结果，数据平稳后进行参数选择；训练集输入多种模型，得到训练集预测结果；将训练好的模型应用到测试集，得到测试集预测结果；对多种模型的预测精度对比，基于不同模型捕捉到数据的不同特征，将多种模型预测结果赋予权重并组合得到新的组合预测模型。本发明提高了数据质量，提升了模型预测效果，使得时序挖掘模型的挖掘性能得到了显著提高。