[發明專利]用于機器學習模型的樣本數據生成方法、裝置及電子設備

在審

• 申請號: 201910921527.0
• 申請日: 2019-09-27
• 公開（公告）號: CN110781922A
• 公開（公告）日: 2020-02-11
• 發明（設計）人: 高明宇;王鵬;張潮華;鄭彥
• 申請（專利權）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 北京清誠知識產權代理有限公司
• 代理人: 曹玲柱

1.一種用于機器學習模型的樣本數據生成方法，其特征在于，包括：

獲取多個歷史用戶的金融數據，所述金融數據中包括用戶活躍時間；

根據所述用戶活躍時間和異常值監測算法將所述多個歷史用戶分入正樣本集合、負樣本集合和未分類樣本集合；

基于所述正樣本集合、所述負樣本集合對第一機器學習模型進行訓練，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據輸入所述用戶分類模型中，生成正樣本子集合和負樣本子集合；

通過正樣本集合、正樣本子集合生成用于機器學習模型的正樣本數據；以及

通過負樣本集合、負樣本子集合生成用于機器學習模型的負樣本數據。

2.如權利要求1所述的方法，其特征在于，還包括：

通過所述正樣本數據與所述負樣本數據訓練第二機器學習模型以生成用戶流失模型。

3.如權利要求1-2中任一所述的方法，其特征在于，根據所述用戶活躍時間和異常值監測算法將所述多個歷史用戶分入正樣本集合、負樣本集合和未分類樣本集合包括：

根據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據進行篩選以生成所述正樣本集合、所述負樣本集合和所述未分類樣本集合。

4.如權利要求1-3中任一所述的方法，其特征在于，根據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定日期的歷史用戶分入所述第二用戶集合。

5.如權利要求1-4中任一所述的方法，其特征在于，通過異常值監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據進行篩選以生成所述正樣本集合、所述負樣本集合和所述未分類樣本集合包括：

通過異常值監測算法和所述第一用戶集合中的歷史用戶的金融數據生成第一目標超球體；以及

基于所述第一目標超球體對所述第一用戶集合中的歷史用戶的金融數據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，基于所述第一目標超球體對所述第一用戶集合中的歷史用戶的金融數據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據在多維度坐標系上的位置坐標；

基于所述位置坐標確定所述歷史用戶和所述第一目標超球體的球心距離；

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.如權利要求1-6中任一所述的方法，其特征在于，通過異常值監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據進行篩選以生成所述正樣本集合、所述負樣本集合和所述未分類樣本集合包括：

通過異常值監測算法和所述第二用戶集合中的歷史用戶的金融數據生成第二目標超球體；以及

基于所述第二目標超球體對所述第二用戶集合中的歷史用戶的金融數據進行篩選以生成所述負樣本集合和所述未分類樣本集合。