[發(fā)明專利]用于機器學(xué)習(xí)模型的樣本數(shù)據(jù)生成方法、裝置及電子設(shè)備在審
| 申請?zhí)枺?/td> | 201910921527.0 | 申請日： | 2019-09-27 |
| 公開（公告）號： | CN110781922A | 公開（公告）日： | 2020-02-11 |
| 發(fā)明（設(shè)計）人： | 高明宇;王鵬;張潮華;鄭彥 | 申請（專利權(quán)）人： | 北京淇瑀信息科技有限公司 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62;G06N20/10;G06Q10/06 |
| 代理公司： | 11691 北京清誠知識產(chǎn)權(quán)代理有限公司 | 代理人： | 曹玲柱 |
| 地址： | 100012 北京市朝陽*** | 國省代碼： | 北京;11 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 集合 負(fù)樣本 正樣本 機器學(xué)習(xí)模型 子集合 分類樣本 歷史用戶 樣本數(shù)據(jù) 正負(fù)樣本 計算機可讀介質(zhì) 異常值監(jiān)測 電子設(shè)備 分類模型 金融數(shù)據(jù) 輸入用戶 數(shù)據(jù)處理 數(shù)據(jù)集合 用戶分類 算法 | ||
1.一種用于機器學(xué)習(xí)模型的樣本數(shù)據(jù)生成方法，其特征在于，包括：
獲取多個歷史用戶的金融數(shù)據(jù)，所述金融數(shù)據(jù)中包括用戶活躍時間；
根據(jù)所述用戶活躍時間和異常值監(jiān)測算法將所述多個歷史用戶分入正樣本集合、負(fù)樣本集合和未分類樣本集合；
基于所述正樣本集合、所述負(fù)樣本集合對第一機器學(xué)習(xí)模型進行訓(xùn)練，生成用戶分類模型；
將所述未分類樣本集合中的歷史用戶的金融數(shù)據(jù)輸入所述用戶分類模型中，生成正樣本子集合和負(fù)樣本子集合；
通過正樣本集合、正樣本子集合生成用于機器學(xué)習(xí)模型的正樣本數(shù)據(jù)；以及
通過負(fù)樣本集合、負(fù)樣本子集合生成用于機器學(xué)習(xí)模型的負(fù)樣本數(shù)據(jù)。
2.如權(quán)利要求1所述的方法，其特征在于，還包括：
通過所述正樣本數(shù)據(jù)與所述負(fù)樣本數(shù)據(jù)訓(xùn)練第二機器學(xué)習(xí)模型以生成用戶流失模型。
3.如權(quán)利要求1-2中任一所述的方法，其特征在于，根據(jù)所述用戶活躍時間和異常值監(jiān)測算法將所述多個歷史用戶分入正樣本集合、負(fù)樣本集合和未分類樣本集合包括：
根據(jù)所述用戶活躍時間將所述多個歷史用戶分別分入第一用戶集合和第二用戶集合；
通過異常值監(jiān)測算法對第一用戶集合和第二用戶集合中的歷史用戶的金融數(shù)據(jù)進行篩選以生成所述正樣本集合、所述負(fù)樣本集合和所述未分類樣本集合。
4.如權(quán)利要求1-3中任一所述的方法，其特征在于，根據(jù)所述用戶活躍時間將所述多個歷史用戶分別分入第一用戶集合和第二用戶集合包括：
將所述用戶活躍時間大于預(yù)定日期的歷史用戶分入所述第一用戶集合；以及
將所述用戶活躍時間小于等于預(yù)定日期的歷史用戶分入所述第二用戶集合。
5.如權(quán)利要求1-4中任一所述的方法，其特征在于，通過異常值監(jiān)測算法對第一用戶集合和第二用戶集合中的歷史用戶的金融數(shù)據(jù)進行篩選以生成所述正樣本集合、所述負(fù)樣本集合和所述未分類樣本集合包括：
通過異常值監(jiān)測算法和所述第一用戶集合中的歷史用戶的金融數(shù)據(jù)生成第一目標(biāo)超球體；以及
基于所述第一目標(biāo)超球體對所述第一用戶集合中的歷史用戶的金融數(shù)據(jù)進行篩選以生成所述正樣本集合和所述未分類樣本集合。
6.如權(quán)利要求1-5中任一所述的方法，其特征在于，基于所述第一目標(biāo)超球體對所述第一用戶集合中的歷史用戶的金融數(shù)據(jù)進行篩選以生成所述正樣本集合和所述未分類樣本集合包括：
確定所述第一用戶集合中的歷史用戶的金融數(shù)據(jù)在多維度坐標(biāo)系上的位置坐標(biāo)；
基于所述位置坐標(biāo)確定所述歷史用戶和所述第一目標(biāo)超球體的球心距離；
在所述球心距離小于等于所述第一目標(biāo)超球體的半徑時，將所述歷史用戶添加入所述正樣本集合；以及
在所述球心距離大于所述第一目標(biāo)超球體的半徑時，將所述歷史用戶添加入所述未分類樣本集合。
7.如權(quán)利要求1-6中任一所述的方法，其特征在于，通過異常值監(jiān)測算法對第一用戶集合和第二用戶集合中的歷史用戶的金融數(shù)據(jù)進行篩選以生成所述正樣本集合、所述負(fù)樣本集合和所述未分類樣本集合包括：
通過異常值監(jiān)測算法和所述第二用戶集合中的歷史用戶的金融數(shù)據(jù)生成第二目標(biāo)超球體；以及
基于所述第二目標(biāo)超球體對所述第二用戶集合中的歷史用戶的金融數(shù)據(jù)進行篩選以生成所述負(fù)樣本集合和所述未分類樣本集合。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北京淇瑀信息科技有限公司，未經(jīng)北京淇瑀信息科技有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910921527.0/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06K 數(shù)據(jù)識別；數(shù)據(jù)表示；記錄載體；記錄載體的處理
G06K9-00 用于閱讀或識別印刷或書寫字符或者用于識別圖形，例如，指紋的方法或裝置
G06K9-03 .錯誤的檢測或校正，例如，用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標(biāo)記或含有代碼標(biāo)記的打印字符的，例如，由不同形狀的各個筆畫組成的，而且每個筆畫表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理，即無須判定關(guān)于圖像的同一性而進行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合
- 樣本權(quán)重分配方法、模型訓(xùn)練方法、電子設(shè)備及存儲介質(zhì)
- 生成人臉識別的負(fù)樣本的方法、裝置及計算機設(shè)備
- 一種基于負(fù)樣本數(shù)據(jù)價值重采樣的車牌檢測方法
- 基于偽負(fù)樣本的數(shù)據(jù)平衡方法及提高數(shù)據(jù)分類性能的方法
- 一種模型訓(xùn)練方法及裝置
- 負(fù)樣本篩選模型訓(xùn)練方法、數(shù)據(jù)篩選方法和數(shù)據(jù)匹配方法
- 商品推薦方法、裝置、系統(tǒng)、計算機設(shè)備及存儲介質(zhì)
- 一種面向推薦系統(tǒng)的負(fù)采樣方法、裝置和電子設(shè)備
- 目標(biāo)檢測器的優(yōu)化以及目標(biāo)檢測
- 一種音頻負(fù)樣本的生成方法及裝置
- 一種用于人臉檢測的訓(xùn)練樣本的生成方法及裝置
- 分類模型訓(xùn)練方法及裝置
- 模型訓(xùn)練、樣本平衡方法及裝置以及個人信用評分系統(tǒng)
- 一種獲得鄰域和正域的方法和系統(tǒng)
- 樣本權(quán)重分配方法、模型訓(xùn)練方法、電子設(shè)備及存儲介質(zhì)
- 正樣本獲取方法、行人檢測模型生成方法和行人檢測方法
- 不平衡數(shù)據(jù)過采樣方法、裝置及存儲介質(zhì)
- 一種神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練方法、裝置及計算機可讀存儲介質(zhì)
- 測試評估方法、裝置、電子設(shè)備及存儲介質(zhì)
- 一種空殼企業(yè)確定方法及裝置、空殼企業(yè)監(jiān)測方法及裝置
- 機器學(xué)習(xí)模型之間進行轉(zhuǎn)換的方法與設(shè)備
- 在多個機器學(xué)習(xí)任務(wù)上訓(xùn)練機器學(xué)習(xí)模型
- 用于訓(xùn)練機器學(xué)習(xí)模型的方法及系統(tǒng)
- 機器學(xué)習(xí)模型解釋方法以及裝置
- 用于機器學(xué)習(xí)模型的并行化坐標(biāo)下降法
- 一種機器學(xué)習(xí)模型的生成方法、裝置
- 模型配置方法、裝置、電子設(shè)備及可讀取存儲介質(zhì)
- 基于區(qū)塊鏈網(wǎng)絡(luò)的機器學(xué)習(xí)模型處理方法及節(jié)點
- 模型優(yōu)化方法、裝置、存儲介質(zhì)及服務(wù)器
- 管理應(yīng)用的方法、裝置、計算機設(shè)備和存儲介質(zhì)
