1.一种用户分群方法，其特征在于，所述方法应用于电子设备中，并包括：

从与所述电子设备通讯连接的数据库中获取用户的回访数据，并将所述回访数据进行整理，得到样本数据；

利用所述样本数据对预构建的分群预测模型进行训练，并利用训练完成的所述分群预测模型得到所述样本数据的输出结果，所述分群预测模型为DNN深度神经网络；

基于所述输出结果对预构建的用户分群模型的损失函数进行调整，得到优化损失函数，包括：修改所述损失函数中分群方案的选择方法,在所述损失函数中增加预设惩罚项, 得到所述优化损失函数，其中，将所述选择方法修改为如下函数：其中， 是样本数据 输入所述用户分群模型后，输出的最大Q值对应的分群方案，是所述用户分群模型在输入为样本数据 时，输出的对应分群方案 的Q值，  是所述分群预测模型输入样本数据 时输出的预测概率值最高的n种分群方案，n为预设常数，所述优化损失函数包括：其中，是当前样本数据，是当前分群方案，是当前样本数据的下一个样本数据，是样本数据 输入所述用户分群模型后，输出的最大Q值对应的分群方案， 是所述用户分群模型在输入为样本数据 时，输出的对应分群方案 的Q值， 是所述用户分群模型在输入为样本数据 时，输出的对应分群方案 的Q值，是样本数据 的奖励；

是惩罚值；

根据所述优化损失函数，利用所述样本数据对所述用户分群模型进行训练，得到优化用户分群模型，包括：A1、将所述样本数据输入至所述用户分群模型中，得到训练结果，A2、利用所述优化损失函数计算所述训练结果的损失值，A3、将所述损失值与预设的损失阈值进行比较，A4、在所述损失值大于或等于所述损失阈值时，调整所述用户分群模型的参数，并返回A1，重新进行训练，A5、当所述损失值小于所述损失阈值时，得到所述优化用户分群模型；

利用所述优化用户分群模型对待分群用户数据进行分群，得到分群结果，并将所述分群结果通过所述电子设备的显示屏幕输出。

2.如权利要求1所述的用户分群方法，其特征在于，所述将所述回访数据进行整理，得到样本数据，包括：将所述回访数据按照时间顺序进行排序，得到初始样本数据；

将所述初始样本数据中的指标数据转化为多维特征向量，得到样本数据。

3.如权利要求1所述的用户分群方法，其特征在于，所述利用所述样本数据对预构建的分群预测模型进行训练，包括：利用所述分群预测模型对所述样本数据执行分群操作，得到多个分群方案的预测概率值；

计算所述预测概率值与标准分群结果的交叉熵损失函数，得到损失值；

根据损失函数对所述分群预测模型的参数进行修改，并利用修改后的分群预测模型重新对所述样本数据执行分群操作，直到预设的停止条件达到。

4.如权利要求1至3中任意一项所述的用户分群方法，其特征在于，所述利用所述优化用户分群模型对待分群用户数据进行分群，得到分群方案，包括：将所述待分群用户数据输入至所述优化用户分群模型中；

利用所述优化用户分群模型输出所述待分群用户数据的各个分群方案及各个分群方案对应的预期奖励值；

选择预期奖励值最大的分群方案作为所述待分群用户数据的分群结果。

5.一种用户分群装置，其特征在于，所述装置包括：

样本数据获取模块，用于从与电子设备通讯连接的数据库中获取用户的回访数据，并将所述回访数据进行整理，得到样本数据；

分群预测模型训练模块，用于利用所述样本数据对预构建的分群预测模型进行训练，并利用训练完成的所述分群预测模型得到所述样本数据的输出结果，所述分群预测模型为DNN深度神经网络；

损失函数改进模块，用于基于所述输出结果对预构建的用户分群模型的损失函数进行调整，得到优化损失函数，包括：修改所述损失函数中分群方案的选择方法,在所述损失函数中增加预设惩罚项, 得到所述优化损失函数，其中，将所述选择方法修改为如下函数：其中， 是样本数据 输入所述用户分群模型后，输出的最大Q值对应的分群方案，是所述用户分群模型在输入为样本数据 时，输出的对应分群方案 的Q值，  是所述分群预测模型输入样本数据 时输出的预测概率值最高的n种分群方案，n为预设常数，所述优化损失函数包括：其中，是当前样本数据，是当前分群方案，是当前样本数据的下一个样本数据，是样本数据 输入所述用户分群模型后，输出的最大Q值对应的分群方案， 是所述用户分群模型在输入为样本数据 时，输出的对应分群方案 的Q值， 是所述用户分群模型在输入为样本数据 时，输出的对应分群方案 的Q值，是样本数据 的奖励；

是惩罚值；

用户分群模型训练模块，根据所述优化损失函数，利用所述样本数据对所述用户分群模型进行训练，得到优化用户分群模型，包括：A1、将所述样本数据输入至所述用户分群模型中，得到训练结果，A2、利用所述优化损失函数计算所述训练结果的损失值，A3、将所述损失值与预设的损失阈值进行比较，A4、在所述损失值大于或等于所述损失阈值时，调整所述用户分群模型的参数，并返回A1，重新进行训练，A5、当所述损失值小于所述损失阈值时，得到所述优化用户分群模型；

分群模块，用于利用所述优化用户分群模型对待分群用户数据进行分群，得到分群结果，并将所述分群结果通过所述电子设备的显示屏幕输出。

6.一种电子设备，其特征在于，所述电子设备包括：

存储器，存储至少一个计算机程序指令；及

处理器，执行所述存储器中存储的计算机程序指令以执行如权利要求1至4中任一项所述的用户分群方法。

7.一种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至4中任一项所述的用户分群方法。