技术特征：
1.一种终端耗电数据的处理方法，其特征在于，包括：获取目标终端在待机状态下的至少一个耗电特征；基于特征解释模型处理每个所述耗电特征，确定每个所述耗电特征的耗电占比；根据所述耗电占比，确定所述目标终端在待机状态下每个所述耗电特征分别对应的耗电量；其中，所述特征解释模型是根据耗电量预测模型确定的，所述耗电量预测模型用于预测所述目标终端在待机状态下的耗电总量。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取多组样本数据，每组所述样本数据包括：样本终端在待机状态下的至少一个耗电特征，每个所述耗电特征对应的特征值，以及所述样本终端在待机状态下的实际耗电量；通过所述多组样本数据训练回归类机器学习模型，得到所述耗电量预测模型。3.根据权利要求2所述的方法，其特征在于，所述获取多组样本数据，包括：获取满足待机时长特征的终端使用数据，得到所述样本终端在目标待机状态下的终端使用数据；根据所述样本终端在目标待机状态下的终端使用数据，确定每个所述样本终端在所述目标待机状态下的至少一个耗电特征，和每个所述耗电特征对应的特征值，以及获取所述目标待机状态下的实际耗电量；将每个所述样本终端在所述目标待机状态下的至少一个耗电特征、每个所述耗电特征对应的特征值，以及所述目标待机状态下的实际耗电量确定为一组所述样本数据，得到所述多组样本数据。4.根据权利要求2所述的方法，其特征在于，所述通过所述多组样本数据训练回归类机器学习模型，得到所述耗电量预测模型，包括：将所述多组样本中的目标组样本对应的耗电特征、每个耗电特征对应的特征值作为回归类机器学习模型的输入，以及将所述目标组样本所对应样本终端的预测耗电量作为模型的拟合目标，对所述回归类机器学习模型进行训练；基于测试样本对应的实际耗电量和预测耗电量对训练后的回归类机器学习模型进行测试，得到满足预算评价指标的耗电量预测模型。5.根据权利要求1至4中任意一项所述的方法，其特征在于，所述耗电量预测模型为线性类型的回归模型；在所述基于特征解释模型处理每个所述耗电特征，确定每个所述耗电特征的耗电占比之前，所述方法还包括：根据所述耗电量预测模型的每个输入特征的权重，确定所述输入特征所对应的耗电特征的耗电占比，得到所述特征解释模型。6.根据权利要求1至4中任意一项所述的方法，其特征在于，所述耗电量预测模型为非线性类型的回归模型；在所述基于特征解释模型处理每个所述耗电特征，确定每个所述耗电特征的耗电占比之前，所述方法还包括：确定包含m个待测特征的特征集，m为大于1的整数；将所述特征集中的待测特征以及所述待测特征的特征值作为输入量，多次输入至所述
耗电量预测模型，其中，不同次输入所述耗电量预测模型的输入量之间，至少存在一个待测特征的特征值不同；根据所述耗电量预测模型输出的多个预测耗电量，确定所述m个待测特征分别对所述预测耗电量的耗电占比，得到所述特征解释模型。7.根据权利要求1至4中任意一项所述的方法，其特征在于，在所述根据所述耗电占比，确定所述目标终端在待机状态下每个所述耗电特征分别对应的耗电量之前，所述方法还包括：将每个所述输入所述耗电量预测模型，得到所述目标终端在待机状态下的预测耗电总量；所述根据所述耗电占比，确定所述目标终端在待机状态下每个所述耗电特征分别对应的耗电量，包括：根据所述耗电占比和所述预测耗电总量，确定每个所述耗电特征分别对应的耗电量。8.根据权利要求7所述的方法，其特征在于，所述方法还包括：获取多个目标终端的终端使用数据；基于所述耗电量预测模型以及所述特征解释模型，确定所述多个目标终端中每个目标终端在待机状态下每个所述耗电特征分别对应的耗电量；根据所述每个目标终端在待机状态下每个所述耗电特征分别对应的耗电量，确定所述多个目标终端的终端使用数据对应的规律数据。9.一种终端耗电数据的处理装置，其特征在于，包括：特征获取模块，用于获取目标终端在待机状态下的至少一个耗电特征；耗电占比确定模块，用于基于特征解释模型处理每个所述耗电特征，确定每个所述耗电特征的耗电占比；分析数据确定模块，用于根据所述耗电占比，确定所述目标终端在待机状态下每个所述耗电特征分别对应的耗电量；其中，所述特征解释模型是根据耗电量预测模型确定的，所述耗电量预测模型用于预测所述目标终端在待机状态下的耗电总量。10.一种终端，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至8中任一项所述的终端耗电数据的处理方法。11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的终端耗电数据的处理方法。
技术总结
本公开提供了一种终端耗电数据的处理方法及装置、计算机可读存储介质及终端，涉及终端技术领域。该方法包括：获取目标终端在待机状态下的至少一个耗电特征；基于特征解释模型处理每个上述耗电特征，确定每个上述耗电特征的耗电占比；根据上述耗电占比，确定上述目标终端在待机状态下每个上述耗电特征分别对应的耗电量；其中，上述特征解释模型是根据耗电量预测模型确定的，上述耗电量预测模型用于预测上述目标终端在待机状态下的耗电总量。本技术方案能够对目标终端在待机状态下的耗电数据进行定量分析，同时有利于提升待机耗电的分析准确度。析准确度。析准确度。
技术研发人员：李士新 帅朝春
受保护的技术使用者：杭州逗酷软件科技有限公司
技术研发日：2021.08.19
技术公布日：2021/12/23