本申请涉及一种事物状态类别转化策略生成方法、装置、设备及介质,方法包括:将预设的参数组合输入至转化树中,对其对应的叶分支进行遍历以确定多个转化策略,并计算确定每个转化策略相对应的优度,其中,转化策略表征可调节参数以及不可调节参数相对应的可选值所构建的组合;根据每个转化策略相对应的优度对多个转化策略进行排序以确定优度序列,检测优度序列中排名在预设阈值范围内的转化策略是否符合预期结果,若符合,则输出符合预期结果的转化策略以作为备选转化策略,以完成事物状态类别转化策略的生成。本申请生成的方案能够更好地适应多种场景下的结构化、非结构化数据集的数据挖掘。
背景技术
在当今数据驱动的时代,数据挖掘作为从海量、复杂数据中提取有价值信息和知识的重要技术手段,已经广泛应用于各行各业,从商业智能到科学研究,无一不彰显其巨大的潜力和价值。然而,随着数据规模的爆炸性增长和数据结构的日益复杂,传统的数据挖掘方法面临着前所未有的挑战。尽管当前的研究和实践主要聚焦于最优方案挖掘和全参数数据挖掘两大领域,这些努力无疑为我们揭示了数据的深层规律和潜在价值,但数据挖掘的广度和深度仍有待进一步拓展。
具体而言,现有的最优方案挖掘方法侧重于从数据中自动发现最优或接近最优的解决策略,为决策制定提供了强有力的支持。然而,这些方案往往孤立存在,缺乏对不同方案之间性能、适用条件及优劣点的全面比较与深入分析。功能上以分类、预测为主,对挖掘事物状态动态变化的参数智能调整的知识尚未引起重视。此外,全参数数据挖掘虽然能够详尽地探索数据的各个维度,但往往忽视了参数可调整性对于挖掘结果的重要影响,通过分段分类实现更加灵活、高效的数据分析,侧重提高分类的准确率,忽视了通过参数调整智能改变标签结果的分析。
综上所述,适应现有技术中方案往往孤立存在,缺乏对不同方案之间性能、适用条件及优劣点的全面比较与深入分析、往往忽视了参数可调整性对于挖掘结果的重要影响,以及忽视了通过参数调整智能改变标签结果的分析等问题,本申请人出于解决该问题的考虑作出相应的探索。
实现思路