[發明專利]隨機森林模型訓練的方法及模型訓練控制系統

有效

• 申請號: 201710147698.3
• 申請日: 2017-03-13
• 公開（公告）號: CN107632995B
• 公開（公告）日: 2018-09-11
• 發明（設計）人: 金戈;徐亮;肖京
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

1.一種隨機森林模型訓練的方法，其特征在于，所述隨機森林模型訓練的方法包括：

S1，模型訓練控制系統分析模型訓練的條件是否已滿足；

S2，若模型訓練的條件已滿足，則確定是否需要對隨機森林模型進行重構性訓練；

S3，若需要對所述隨機森林模型進行重構性訓練，則利用樣本數據對所述隨機森林模型進行重構性訓練，所述重構性訓練包括所述隨機森林模型的變量的確定性訓練和變量系數的確定性訓練；

S4，若不需要對所述隨機森林模型進行重構性訓練，則利用樣本數據對所述隨機森林模型進行修正性訓練，所述修正性訓練包括所述隨機森林模型的變量系數的確定性訓練，包括：

S41，根據預定的隨機森林模型的變量與變量系數取值范圍的映射關系，確定各個所述變量對應的變量系數取值范圍；

S42，對各個所述變量在對應的變量系數取值范圍中進行變量系數取值，根據取值后的變量系數對所述隨機森林模型進行修正性訓練。

2.根據權利要求1所述的隨機森林模型訓練的方法，其特征在于，所述步驟S1包括：

獲取業務系統中前一次模型訓練結束的時刻至當前時刻的時間段內新增的用戶業務數據的第一數量，若所述第一數量大于第一預設閾值，則模型訓練的條件已滿足；或者

實時或定時檢測是否接收到模型訓練指令，若接收到模型訓練指令，則模型訓練的條件已滿足。

3.根據權利要求1或2所述的隨機森林模型訓練的方法，其特征在于，所述步驟S2包括：

獲取業務系統中前一次重構性訓練結束的時刻至當前時刻的時間段內新增的用戶業務數據的第二數量，若所述第二數量大于第二預設閾值，則確定需要對所述隨機森林模型進行重構性訓練；或者

向預定的終端發送是否需要對所述隨機森林模型進行重構性訓練的詢問請求，若接收到所述終端基于所述詢問請求反饋的確認指令，則確定需要對所述隨機森林模型進行重構性訓練。

4.一種模型訓練控制系統，其特征在于，所述模型訓練控制系統包括：

分析模塊，用于分析模型訓練的條件是否已滿足；

確定模塊，用于若模型訓練的條件已滿足，則確定是否需要對隨機森林模型進行重構性訓練；

第一訓練模塊，用于若需要對所述隨機森林模型進行重構性訓練，則利用樣本數據對所述隨機森林模型進行重構性訓練，所述重構性訓練包括所述隨機森林模型的變量的確定性訓練和變量系數的確定性訓練；

第二訓練模塊，用于若不需要對所述隨機森林模型進行重構性訓練，則利用樣本數據對所述隨機森林模型進行修正性訓練，所述修正性訓練包括所述隨機森林模型的變量系數的確定性訓練，所述第二訓練模塊包括：

確定單元，用于根據預定的隨機森林模型的變量與變量系數取值范圍的映射關系，確定各個所述變量對應的變量系數取值范圍；

訓練單元，用于對各個所述變量在對應的變量系數取值范圍中進行變量系數取值，根據取值后的變量系數對所述隨機森林模型進行修正性訓練。

5.根據權利要求4所述的模型訓練控制系統，其特征在于，所述分析模塊具體用于獲取業務系統中前一次模型訓練結束的時刻至當前時刻的時間段內新增的用戶業務數據的第一數量，若所述第一數量大于第一預設閾值，則模型訓練的條件已滿足；或者用于實時或定時檢測是否接收到模型訓練指令，若接收到模型訓練指令，則模型訓練的條件已滿足。

6.根據權利要求4所述的模型訓練控制系統，其特征在于，所述確定模塊具體用于獲取業務系統中前一次重構性訓練結束的時刻至當前時刻的時間段內新增的用戶業務數據的第二數量，若所述第二數量大于第二預設閾值，則確定需要對所述隨機森林模型進行重構性訓練；或者用于向預定的終端發送是否需要對所述隨機森林模型進行重構性訓練的詢問請求，若接收到所述終端基于所述詢問請求反饋的確認指令，則確定需要對所述隨機森林模型進行重構性訓練。