一种基于机器学习的专利可交易性预测方法及系统

本发明公开一种基于机器学习的专利可交易性预测方法及系统，属于资产评估领域，包括：获取待测专利的特征变量；将其输入训练后的专利可交易性预测模型，输出专利可交易性预测结果；其中，所述专利可交易性预测模型的训练包括：构建特征变量数据集；采用Random Forest、GBM、XGBoost、LightGBM、Catboost以及LR作为预测模型，利用网格搜索法对各模型的超参数进行择优选取，得到预测结果；对各模型评价指标评价的结果进行对比得到最佳预测模型；通过权重平衡方法调各模型中损失函数的权重值，对六种机器学习模型进行优化，并基于评价结果得到最终的专利可交易性预测模型。本发明实现了以最少的变量输入实现最高的预测准确度，以及利用现有数据进行专利可交易性的预测。