分类模型训练方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了一种分类模型训练方法、装置、电子设备及存储介质。该方法包括：获取初始样本数据集，其中，所述初始样本数据集包括第一数据子集和第二数据子集，所述第一数据子集的样本数量大于所述第二数据子集的样本数量；基于第一权重在第一数据子集中进行数据抽样，以及基于第二权重在第二数据子集中进行数据抽样，得到训练数据集，其中，所述第一权重小于所述第二权重；基于所述训练数据集中的样本数据和所述样本数据对应的分类结果，对待训练的分类模型进行训练，得到目标分类模型。上述技术方案，提高了不平衡数据集下的分类效果。提高了不平衡数据集下的分类效果。提高了不平衡数据集下的分类效果。

【技术实现步骤摘要】
分类模型训练方法、装置、电子设备及存储介质


[0001]本专利技术涉及数据处理
，尤其涉及一种分类模型训练方法、装置、电子设备及存储介质。

技术介绍

[0002]在银行客户分类情景中，优质客户和信用较差客户仅占总客户的一小部分，而这两种类别的分类结果又及其重要。
[0003]目前多数机器学习分类算法在上述不平衡数据集下的分类效果较差。

技术实现思路

[0004]本专利技术提供了一种分类模型训练方法、装置、电子设备及存储介质，以提高不平衡数据集下的分类效果。
[0005]根据本专利技术的一方面，提供了一种分类模型训练方法，包括：
[0006]获取初始样本数据集，其中，所述初始样本数据集包括第一数据子集和第二数据子集，所述第一数据子集的样本数量大于所述第二数据子集的样本数量；
[0007]基于第一权重在第一数据子集中进行数据抽样，以及基于第二权重在第二数据子集中进行数据抽样，得到训练数据集，其中，所述第一权重小于所述第二权重；
[0008]基于所述训练数据集中的样本数据和所述样本数据对应的分类结果，对待训练的分类模型进行训练，得到目标分类模型。
[0009]根据本专利技术的另一方面，提供了一种分类模型训练装置，包括：
[0010]初始样本数据集获取模块，用于获取初始样本数据集，其中，所述初始样本数据集包括第一数据子集和第二数据子集，所述第一数据子集的样本数量大于所述第二数据子集的样本数量；
[0011]数据抽样模块，用于基于第一权重在第一数据子集中进行数据抽样，以及基于第二权重在第二数据子集中进行数据抽样，得到训练数据集，其中，所述第一权重小于所述第二权重；
[0012]分类模型训练模块，用于基于所述训练数据集中的样本数据和所述样本数据对应的分类结果，对待训练的分类模型进行训练，得到目标分类模型。
[0013]根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：
[0014]至少一个处理器；以及
[0015]与所述至少一个处理器通信连接的存储器；其中，
[0016]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的分类模型训练方法。
[0017]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述
的分类模型训练方法。
[0018]本专利技术实施例的技术方案，通过获取初始样本数据集，其中，初始样本数据集包括第一数据子集和第二数据子集，第一数据子集的样本数量大于第二数据子集的样本数量；基于第一权重在第一数据子集中进行数据抽样，以及基于第二权重在第二数据子集中进行数据抽样，得到训练数据集，其中，第一权重小于所述第二权重，提升了小占比数据在训练数据集中的比例；进一步的，基于训练数据集中的样本数据和样本数据对应的分类结果，对待训练的分类模型进行训练，得到目标分类模型，该目标分类模型对小占比数据的分类精确度有效提升，从而提高了不平衡数据集下的分类效果。
[0019]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0020]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0021]图1是根据本专利技术实施例一提供的一种分类模型训练方法的流程图；
[0022]图2是根据本专利技术实施例二提供的一种分类模型训练方法的流程图；
[0023]图3是根据本专利技术实施例二提供的一种决策树分裂的示意图；
[0024]图4是根据本专利技术实施例三提供的一种分类模型训练装置的结构示意图；
[0025]图5是实现本专利技术实施例的分类模型训练方法的电子设备的结构示意图。
具体实施方式
[0026]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0027]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
[0028]实施例一
[0029]图1为本专利技术实施例一提供的一种分类模型训练方法的流程图，本实施例可适用于根据模型自动进行对象分类的情况，该方法可以由分类装置来执行，该分类装置可以采
用硬件和/或软件的形式实现，该分类装置可配置于计算机终端和/或服务器中。如图1所示，该方法包括：
[0030]S110、获取初始样本数据集，其中，所述初始样本数据集包括第一数据子集和第二数据子集，所述第一数据子集的样本数量大于所述第二数据子集的样本数量。
[0031]本实施例中，初始样本数据集是指非均衡样本数据集，换而言之，初始样本数据集中包含多个不同类别、不同数量的数据。示例性的，初始样本数据集可以为包含大量第一数据子集，以及少量第二数据子集的数据集合，其中，第一数据子集与第二数据子集的类别不同。可以理解的是，第一数据子集在初始样本数据集中占比较大，为大占比数据。第二数据子集在初始样本数据集中占比较小，为小占比数据。
[0032]具体的，可以从电子设备预设存储路径调取初始样本数据集，或者，从云端获取初始样本数据集，对此不作限定。
[0033]S120、基于第一权重在第一数据子集中进行数据抽样，以及基于第二权重在第二数据子集中进行数据抽样，得到训练数据集，其中，所述第一权重小于所述第二权重。
[0034]其中，训练数据集是指用于训练分类模型的数据集合。第一权重与第二权重具体数值可以根据训练需求设定，在此不做限定。
[0035]需要说明的是，本实施例在不改变训练集规模，不增加训练时间的情况下，为不同类别数据加上抽样权重，从而控制不同类别数据在训练数据集中的占本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种分类模型训练方法，其特征在于，包括：获取初始样本数据集，其中，所述初始样本数据集包括第一数据子集和第二数据子集，所述第一数据子集的样本数量大于所述第二数据子集的样本数量；基于第一权重在第一数据子集中进行数据抽样，以及基于第二权重在第二数据子集中进行数据抽样，得到训练数据集，其中，所述第一权重小于所述第二权重；基于所述训练数据集中的样本数据和所述样本数据对应的分类结果，对待训练的分类模型进行训练，得到目标分类模型。2.根据权利要求1所述的方法，其特征在于，所述分类模型为随机森林模型；相应的，所述基于所述训练数据集中的样本数据和所述样本数据对应的分类结果，对待训练的分类模型进行训练，得到目标分类模型，包括：基于所述训练数据集中的样本数据和所述样本数据对应的分类结果，对待训练的随机森林模型进行训练，得到目标分类模型；其中，所述目标分类模型包括多个决策树。3.根据权利要求2所述的方法，其特征在于，所述样本数据包括属性信息和阈值信息；相应的，所述基于所述训练数据集中的样本数据和所述样本数据对应的分类结果，对待训练的随机森林模型进行训练，得到目标分类模型，包括：根据所述样本数据的属性信息和阈值信息，对所述随机森林模型中初始决策树进行分裂，直至满足分裂停止条件，得到多个决策树；根据多个所述决策树构建目标分类模型。4.根据权利要求3所述的方法，其特征在于，所述分裂停止条件包括：所述训练数据集的数量为一条；或者，决策树节点规模值小于等于节点规模阈值；或者，决策树节点深度值大于等于节点深度阈值。5.根据权利要求1所述的方法，其特征在于，所述第一数据子集为银行普通用户信用信息，所述第二数据子集为银行优质用户信用信息。...

【专利技术属性】
技术研发人员：文一帆，
申请(专利权)人：中国农业银行股份有限公司，
类型：发明
国别省市：