申请/专利权人:宁德时代新能源科技股份有限公司
申请日:2023-11-01
公开(公告)日:2024-04-09
公开(公告)号:CN117150276B
主分类号:G06F18/213
分类号:G06F18/213;G06F18/21;G06F18/20;G06N20/00;G01R31/392
优先权:
专利状态码:有效-授权
法律状态:2024.04.09#授权;2023.12.19#实质审查的生效;2023.12.01#公开
摘要:本申请公开了一种机器学习模型构建方法、车辆行驶风险预测方法以及装置。机器学习模型适用于预测车辆的行驶风险,机器学习模型方法包括:获取样本特征数据和与样本特征数据对应的样本标签,其中,样本特征数据包括车辆电池的使用行为数据,样本标签用于表示车辆的行驶风险情况;基于样本特征数据和模型参数,分别构建至少一个机器学习模型;基于每个机器学习模型输出的车辆风险结果与样本标签之间的偏差,从至少一个机器学习模型中确定目标机器学习模型。
主权项:1.一种机器学习模型构建方法,其特征在于,所述机器学习模型适用于预测车辆的行驶风险,所述机器学习模型构建方法包括:获取样本特征数据和与所述样本特征数据对应的样本标签,其中,所述样本特征数据包括车辆电池的使用行为数据,所述样本标签用于表示车辆的行驶风险情况,获取所述样本特征数据包括:基于因电池原因抛锚的车辆的历史数据得到正样本特征数据,基于未知是否存在抛锚风险的车辆的历史数据得到待评价样本特征数据,基于所述待评价样本特征数据和所述正样本特征数据之间的差异,从所述待评价样本特征数据中确定负样本特征数据,获取所述正样本特征数据和所述负样本特征数据所包含的多个指标数据,对每个指标数据进行评价得到针对每个指标数据的多个重要度,在所述多个重要度中至少具有预设数量个重要度满足重要度阈值条件的情况下,将对应的指标数据确定为所述样本特征数据;其中,基于所述待评价样本特征数据和所述正样本特征数据之间的差异,从所述待评价样本特征数据中确定负样本特征数据包括:由孤立森林模型对所述正样本特征数据进行打分得到车辆的第一异常值,由孤立森林模型对所述待评价样本特征数据进行打分得到车辆的第二异常值;确定所述第一异常值的集中分布范围;从所述第二异常值中确定在所述集中分布范围之外的至少一个第二异常值;将所述至少一个第二异常值对应的所述待评价样本特征数据,确定为所述负样本特征数据;基于所述样本特征数据和模型参数,分别构建至少一个机器学习模型;以及基于每个机器学习模型输出的车辆风险结果与所述样本标签之间的偏差,从所述至少一个机器学习模型中确定目标机器学习模型。
全文数据:
权利要求:
百度查询: 宁德时代新能源科技股份有限公司 机器学习模型构建方法、车辆行驶风险预测方法以及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。