摘要
本申请公开了一种增强元学习的购买意向预测方法、模型训练方法及设备,涉及机器学习技术领域,该训练方法包括:获取行业用户行为数据,预处理并划分为历史数据集和目标预测数据集;通过历史数据集和目标预测数据集对基于不同目标的基础预设模型分别训练获取基础预测模型;将历史数据集分别输入对应的基础预测模型获取对应的预测概率,根据预测概率获取初始预测特征集和相对特征集;根据初始预测特征集和相对特征集对预设混合专家适配器元模型进行训练获取基于特征增强元学习购买意向预测模型,基于特征增强元学习购买意向预测模型用于对用户的购买行为进行预测。本申请能够在样本极度不平衡的条件下,提高模型的预测性能。
技术关键词
多层感知器
购买意向预测方法
预测特征
决策树模型
基础
训练设备
适配器
融合特征
数据
模型训练方法
机器学习技术
模块
处理器
计算机设备
存储器
因子
偏差
焦点
策略
样本
系统为您推荐了相关专利信息
知识点
画像
指标
标识
非暂态计算机可读存储介质
交互数据处理方法
服务组件
可视化操作界面
分解算法
策略
计划编制方法
计划编制系统
算法模型
主数据管理
定义