[發明專利]決策樹模型的處理方法、裝置、終端設備及存儲介質

在審

• 申請號: 201911035707.5
• 申請日: 2019-10-29
• 公開（公告）號: CN110796264A
• 公開（公告）日: 2020-02-14
• 發明（設計）人: 李詩琦;黃啟軍;唐興興;林冰垠
• 申請（專利權）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00
• 代理公司: 44287 深圳市世紀恒程知識產權代理事務所
• 代理人: 王韜

本發明公開了一種決策樹模型的處理方法、裝置、終端設備及計算機可讀存儲介質，通過獲取針對決策樹模型進行再訓練的操作指令；檢測所述操作指令指定的待訓練模型中是否含有預設免訓練節點；當檢測到含有所述預設免訓練節點時，對所述預設免訓練節點進行鎖定；在所述待訓練模型中，對未鎖定的節點進行再訓練。本發明實現了，對決策樹模型中無需更改的局部模型進行鎖定，而僅對需要進行更改或者需要重新訓練的部分節點進行再訓練操作，節省了交互式建模中對決策樹模型進行再訓練的時間和訓練計算資源，提高了建模效率。

技術領域

本發明涉及Fintech(金融科技)技術領域，尤其涉及一種決策樹模型的處理方法、裝置、終端設備及計算機可讀存儲介質。

背景技術

由于現有的機器學習建模訓練方式僅能夠實現對決策樹模型的整體進行再訓練，因此，盡管建模人員需要在保持原有決策樹模型中部分模型不改變(即無需進行再訓練操作)，現有的機器學習建模訓練方式也仍然會對該原決策樹模型的整體進行訓練，這樣不僅需要耗費大量的建模訓練時間，還造成了計算資源的浪費，嚴重影響了交互式建模的建模效率。

發明內容

本發明的主要目的在于提供一種決策樹模型的處理方法、裝置、終端設備及計算機可讀存儲介質，旨在解決現有的交互式建模中對模型進行再訓練的方式只能對模型進行整體訓練，導致建模效率低下的技術問題。

為實現上述目的，本發明提供一種決策樹模型的處理方法，所述決策樹模型的處理方法包括：

獲取針對決策樹模型進行再訓練的操作指令；

檢測所述操作指令指定的待訓練模型中是否含有預設免訓練節點；

當檢測到含有所述預設免訓練節點時，對所述預設免訓練節點進行鎖定；

在所述待訓練模型中，對未鎖定的節點進行再訓練。

進一步地，在在所述待訓練模型中，對未鎖定的節點進行再訓練的步驟之前，還包括：

在所述待訓練模型中檢測所述預設免訓練節點的各先代節點，并對各所述先代節點進行鎖定。

進一步地，所述在所述待訓練模型中，對未鎖定的節點進行再訓練的步驟，包括：

提取所述待訓練模型中各節點的節點信息，其中，所述節點信息至少包括：拆分規則；

按照所述待訓練模型各節點之間的層級關系，依次對所述待訓練模型中未鎖定的節點的拆分規則重新進行計算。

進一步地，所述檢測所述操作指令指定的待訓練模型中是否含有預設免訓練節點的步驟，包括：

檢測所述操作指令在所述決策樹模型中指定的訓練節點；

在所述決策樹模型中，提取以所述訓練節點為根節點的子決策樹模型作為所述操作指令指定的待訓練模型；

檢測提取的所述子決策樹模型的全部節點中是否含有所述預設免訓練節點。

進一步地，在所述獲取針對決策樹模型進行再訓練的操作指令的步驟之前，還包括：

將所述決策樹模型中已選取鎖定的節點標記為所述預設免訓練節點并進行差異可視化輸出。

進一步地，所述將所述決策樹模型中已選取鎖定的節點標記為所述預設免訓練節點并進行差異可視化輸出的步驟，包括：

識別針對所述決策樹模型進行的節點鎖定操作；

將所述節點鎖定操作所對應的節點標記為預設免訓練節點；

將所述預設免訓練節點差異可視化輸出至針對所述決策樹模型的交互式操作界面上。

進一步地，所述獲取針對決策樹模型進行再訓練的操作指令的步驟，包括：