[發明專利]決策樹的構建方法和裝置、存儲介質及電子裝置

在審

• 申請號: 202210225899.1
• 申請日: 2022-03-07
• 公開（公告）號: CN114662574A
• 公開（公告）日: 2022-06-24
• 發明（設計）人: 杜心達
• 申請（專利權）人: 興業消費金融股份公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N5/00;G06N20/00
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 劉曉燕

本申請公開了一種決策樹的構建方法和裝置、存儲介質及電子裝置，其中，上述方法包括：獲取多個超參數字典，以及獲取訓練樣本集，每個超參數字典包含一組預設超參數和一個隨機狀態值，每個訓練樣本包含與一個訓練對象對應的一組屬性的屬性值；使用每個超參數字典和訓練樣本集分別進行決策樹構建，得到多個決策樹，在進行決策樹構建的過程中僅做一次迭代，每個決策樹包含的一組節點中，每個非葉子節點與一組屬性中的一個屬性對應；從多個決策樹中篩選出至少一個候選決策樹，至每個候選決策樹包含的一組節點滿足目標節點條件；根據每個候選決策樹的目標評估參數，從至少一個候選決策樹選取目標決策樹。

技術領域

本申請涉及計算機領域，具體而言，涉及一種決策樹的構建方法和裝置、存儲介質及電子裝置。

背景技術

目前，決策樹模型可以應用到多種場景中，例如，樣本分類、風險控制等。常用的決策樹構建方式為：在既定參數范圍內自動構建決策樹的過程中，通過模型優化篩選出符合模型構建要求的模型。模型優化的方式主要是超參數搜索(例如，網格搜索)，即，在給定的超參數范圍內遵循某種既定條件逐一嘗試取值，來達到搜索最優模型的目的。

以網格搜索為例，網格搜索是通過給出較大的搜索范圍以及較小的步長，查找搜索范圍內的所有的點，來確定最優值。

隨著數據的不斷增加，通過上述方式構建的決策樹模型很難解釋模型的合理性，此外，構建的決策樹模型有可能隨著時間的推移而快速失效。由此可見，相關技術中的決策樹構建方式，存在無法保證決策樹模型的合理性及穩定性的問題。

發明內容

本申請實施例中提供了一種決策樹的構建方法和裝置、存儲介質及電子裝置，以至少解決相關技術中的決策樹構建方式存在無法保證決策樹模型的合理性及穩定性的技術問題。

根據本申請實施例的一個方面，提供了一種決策樹的構建方法，包括：獲取多個超參數字典，以及獲取訓練樣本集，其中，所述多個超參數字典中的每個超參數字典包含一組預設超參數和一個隨機狀態值，所述訓練樣本集中的每個訓練樣本包含與一個訓練對象對應的一組屬性的屬性值；使用所述多個超參數字典中的每個超參數字典和所述訓練樣本集分別進行決策樹構建，得到多個決策樹，其中，在進行決策樹構建的過程中僅做一次迭代，所述多個決策樹中的每個決策樹包含的一組節點中，每個非葉子節點與所述一組屬性中的一個屬性對應；從所述多個決策樹中篩選出至少一個候選決策樹，其中，所述至少一個候選決策樹中的每個候選決策樹包含的一組節點滿足目標節點條件；根據所述每個候選決策樹的目標評估參數，從所述至少一個候選決策樹選取目標決策樹。

根據本申請實施例的另一個方面，還提供了一種決策樹的構建裝置，包括：獲取單元，用于獲取多個超參數字典，以及獲取訓練樣本集，其中，所述多個超參數字典中的每個超參數字典包含一組預設超參數和一個隨機狀態值，所述訓練樣本集中的每個訓練樣本包含與一個訓練對象對應的一組屬性的屬性值；構建單元，用于使用所述多個超參數字典中的每個超參數字典和所述訓練樣本集分別進行決策樹構建，得到多個決策樹，其中，在進行決策樹構建的過程中僅做一次迭代，所述多個決策樹中的每個決策樹包含的一組節點中，每個非葉子節點與所述一組屬性中的一個屬性對應；篩選單元，用于從所述多個決策樹中篩選出至少一個候選決策樹，其中，所述至少一個候選決策樹中的每個候選決策樹包含的一組節點滿足目標節點條件；選取單元，用于根據所述每個候選決策樹的目標評估參數，從所述至少一個候選決策樹選取目標決策樹。

在一個示例性實施例中，所述獲取單元，包括：生成模塊，用于生成隨機狀態值隊列，其中，所述隨機狀態值隊列包含互不相同的多個隨機狀態值；組合模塊，用于從所述隨機狀態值隊列中分別選取隨機狀態值與所述一組預設超參數進行組合，得到所述多個超參數字典。