[发明专利]一种基于大数据的事件概率估计方法

权利要求书

1.一种基于大数据的事件概率估计方法，其特征在于，通过样本数据估计各影响因素对事件发生概率的权重参数，根据权重参数估计结果和实际影响因素量化值估计事件发生的概率；所述权重参数包括零值偏移θ₀，以及与所述事件发生概率影响因素一一对应的参数θ_j，-1＜θj＜1；所述影响因素至少包括时间、区域，所述事件与至少一个影响因素间不存在显而易见的数学关系或逻辑关系，其中0≤j≤n，n为权重参数个数或影响因素个数；包括如下步骤：

S1：根据权重参数估计方法获取权重参数，所述权重参数估计方法包括经验估计或寻优估计；

S2：获取所述事件发生概率影响因素量化值x_j，所述影响因素量化值至少包括时间x₁、区域x₂；

S3：根据权重参数计算事件发生的概率函数h

2.根据权利要求1所述的一种基于大数据的事件概率估计方法，其特征在于，所述步骤S1中权重参数寻优估计方法包括如下步骤：

记样本数据有m组，第i组样本数据中第j个影响因素量化值为x_i，j，1≤i≤m；第i组样本实际结果y_i，y_i取值方法包括0/1取值或事件数取值；所述0/1取值包括当该组样本有相应类型事件发生时y_i取1，无事件发生时y_i取0；所述事件数取值包括y_i取值为对应影响因素x_i，j下事件发生的件数；

S11：输入事件的样本数据和权重参数初值；

S12：针对每一组样本数据，根据权重参数计算概率函数h_i(x)

其中，Θ为权重参数矢量，X为模型影响因子矢量，

S13：针对所有样本得到的概率函数，计算成本函数J(Θ)；

其中，λ为偏差惩罚参数，0≤λ≤1；

S14：针对权重参数矢量Θ对J(Θ)进行寻优，使得J(Θ)最小，即

Θ＝minimize J(Θ)

所述寻优包括商用机器学习软件自动寻优或权重参数组合遍历寻优；所述权重参数组合遍历寻优包括针对每一个θ_j按指定步长在取值范围内逐个取值，并取J(Θ)最小θ_j的组合。

3.根据权利要求2所述的一种基于大数据的事件概率估计方法，其特征在于，所述权重参数寻优估计方法还包括如下步骤：

S15：继步骤S14后权重参数再优化，所述权重参数再优化包括通过梯度下降算法进行优化

其中，θ_j0为再优化后的权重，α为学习效率，也称为梯度下降的步长，在(0，1)之间取值。

4.根据权利要求2所述的一种基于大数据的事件概率估计方法，其特征在于，所述权重参数寻优估计方法还包括如下步骤：

S141：无关影响因素剔除和权重参数再确定，根据预先设置的权重参数阈值K，当|θ_j|＜K时，删除θ_j对应的影响因素，重复步骤S11～S14，直至所有|θ_j|≥K，然后继续执行步骤S2、S3。

5.根据权利要求3所述的一种基于大数据的事件概率估计方法，其特征在于，所述权重参数寻优估计方法还包括如下步骤：

S16：无关影响因素剔除和权重参数再确定，根据预先设置的权重参数阈值K，当|θ_j|＜K时，删除θ_j对应的影响因素，重复步骤S11～S15，直至所有|θ_j|≥K，然后继续执行步骤S2、S3。

6.根据权利要求1至5中任意一项所述的一种基于大数据的事件概率估计方法，其特征在于，所述时间量化值包括时刻和/或时长；所述时刻包括任意时间点的量化标记；所述时长包括统计时段内时间长度。