(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111657708.0 (22)申请日 2021.12.3 0 (71)申请人 深圳价值在线信息科技股份有限公 司 地址 518000 广东省深圳市福田区沙 头街 道滨河大道9289 号京基滨河时代广场 北区一期B座09层 (72)发明人 赵洋　包荣鑫　陈龙　田多　 (74)专利代理 机构 深圳中一联合知识产权代理 有限公司 4 4414 代理人 任敏 (51)Int.Cl. G06Q 40/06(2012.01) G06K 9/62(2022.01) G06Q 40/04(2012.01) (54)发明名称 一种数据处 理方法、 装置、 终端设备及 介质 (57)摘要 本申请实施例适用于深度学习技术领域， 提 供了一种数据处理方法、 装置、 终端设备及介质， 所述方法包括： 获取训练数据， 训练数据包括多 个因子数据； 以预设的时间长度作为窗口期， 对 多个因子 数据进行处理， 得到训练数据对应的时 序因子数据； 对多个因子数据进行二阶多项式处 理， 得到训练数据对应的多项式因子数据； 采用 因子数据、 时序因子数据和多项式因子数据对预 设的预测模型进行训练， 得到目标预测模型； 接 收待预测数据， 并确定待预测数据中的目标数 据； 将目标数据输入到目标预测模型中进行预 测， 得到对应的预测结果。 通过上述方法， 能够提 高预测模型的准确率。 权利要求书2页 说明书12页 附图2页 CN 114418776 A 2022.04.29 CN 114418776 A 1.一种数据处 理方法， 其特 征在于， 包括： 获取训练数据， 所述训练数据包括多个因子数据； 以预设的时间长度作为窗口期， 对所述多个因子数据进行处理， 得到所述训练数据对 应的时序因子数据； 对所述多个因子数据进行二阶多项式处理， 得到所述训练数据对应的多项式因子数 据； 采用所述因子数据、 所述 时序因子数据和所述多项式因子数据对预设的预测模型进行 训练， 得到目标 预测模型； 接收待预测数据， 并确定所述待预测数据中的目标 数据； 将所述目标 数据输入到所述目标 预测模型中进行 预测， 得到对应的预测结果。 2.如权利要求1所述的方法， 其特征在于， 所述以预设的时间长度作为窗口期， 对所述 多个因子数据进行处 理， 得到所述训练数据对应的时序因子数据， 包括： 确定所述训练数据在每 个窗口期内的因子数据； 计算每个所述窗口期内的每种所述因子数据的均值和方差； 将每个所述窗口期内每种所述因子数据的均值和方差作为所述时序因子数据。 3.如权利要求1或2所述的方法， 其特征在于， 所述采用所述因子数据、 所述 时序因子数 据和所述多 项式因子数据对预设的预测模型进行训练， 得到目标 预测模型， 包括： 将所述训练数据划分为多个数据集 合； 根据所述多个数据集 合， 确定多个训练 组合， 每个所述训练 组合中包括两个数据集 合； 分别采用多个所述训练 组合对所述预测模型进行训练， 得到多个训练后的预测模型； 将多个所述训练后的预测模型中误差最小的预测模型作为中间预测模型； 采用所述因子数据、 所述 时序因子数据和所述多项式因子数据对所述中间预测模型进 行训练， 得到所述目标 预测模型。 4.如权利要求3所述的方法， 其特征在于， 所述分别采用多个所述训练组合对所述预测 模型进行训练， 得到多个训练后的预测模型， 包括： 针对任一所述训练组合， 采用所述训练组合的一个数据集合作为训练集对所述预测模 型进行预设次数的训练； 采用所述训练组合的另一个数据集合作为测试集， 计算每次训练后的所述预测模型的 误差。 5.如权利要求3所述的方法， 其特征在于， 所述预测模型包括超参数， 所述超参数具有 对应的多个值， 还 包括： 对于每个超参数的值， 采用所述训练组合进行一次训练， 得到所述超参数的值对应的 误差。 6.如权利要求5所述的方法， 其特征在于， 在所述将多个所述训练后的预测模型中误差 最小的预测模型作为中间预测模型之后， 还 包括： 确定所述中间预测模型在每 个所述超参数的值下的误差； 选取误差最小的超参数的值作为所述中间预测模型的超参数的值。 7.如权利要求1所述的方法， 所述训练数据为交易数据， 所述将所述目标数据输入到所 述目标预测模型中进行 预测， 得到对应的预测结果， 包括：权　利　要　求　书 1/2 页 2 CN 114418776 A 2将预设类型的所述交易数据输入到所述目标 预测模型中， 得到交易走势信息 。 8.一种数据处 理装置， 其特 征在于， 包括： 获取模块， 用于获取训练数据， 所述训练数据包括多个因子数据； 时序处理模块， 用于以预设的时间长度作为窗口期， 对多个所述因子数据进行处理， 得 到所述训练数据对应的时序因子数据； 多项式处理模块， 用于对多个所述因子数据进行二阶多项式处理， 得到所述训练数据 对应的多 项式因子数据； 训练模块， 用于采用所述因子数据、 所述时序因子数据和所述多项式因子数据对预设 的预测模型进行训练， 得到目标 预测模型； 接收模块， 用于 接收待预测数据， 并确定所述待预测数据中的目标 数据； 预测模块， 用于将所述目标数据输入到所述目标预测模型中进行预测， 得到对应的预 测结果。 9.一种终端设备， 包括存储器、 处理器以及存储在所述存储器中并可在所述处理器上 运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求 1‑7任 一项所述的方法。 10.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于， 所述计算机程序被处 理器执行时实现如权利要求1 ‑7任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114418776 A 3