【技术实现步骤摘要】
一种基于CatBoost算法的智能锁异常检测方法
本专利技术涉及智能家居
，尤其涉及区块链、以太坊及其智能合约使用中的一种基于CatBoost算法的智能锁异常检测方法。
技术介绍
《2017中国智能锁应用与发展白皮书》对中国智能锁的应用现状以及未来发展进行了全面解读和深度分析，报告还称，2016年中国智能锁零售市场正式爆发，进而带动中国智能锁市场进入快速发展时期，预计到2020年，中国智能门锁销量将突破3200万套，由此可见随着互联网的发展，智能锁的发展已经呈现出势不可挡的趋势。传统门锁以及一些新兴智能门锁如：密码锁、指纹锁、人脸锁等具有较好的安全性，但缺乏较好的灵活性，以房屋租赁市场智能锁应用为例，公寓租房基本业务模式是赚取服务费用和租金差价，规模化是整合个人、二房东、存量地产租赁物业的过程，市场需要更有竞争力的产品。对于房屋租赁所出现的场景下，如某房东为其房屋安装了指纹锁，然后他现将房屋租给了某租户，租户得到了开锁权限，但此时这个房门房东和租户都可以打开，租户的隐私和生命财产安全将受到威胁，在这样的场景下，锁的安全性大打折扣了。智能门锁降低了房租催缴成本...
【技术保护点】
1.一种基于CatBoost算法的智能锁异常检测方法，其特征在于：包括如下步骤：Q1、数据预处理操作，对智能锁基本信息数据和智能锁记录的行为数据的处理，使数据格式归一化，标准化；Q2、依据“留出法”对数据划分操作，将历史数据划分为训练集和测试集，目的在于探寻历史数据训练集中数据内在联系；Q3、根据训练集和测试集进行特征工程构建操作，特征采用基本信息特征、基础统计特征、时序特征、交叉特征，建立算法模型；Q4、建立多个机器学习模型，并进行模型融合操作，用构建完特征的训练集去训练7个CatBoost模型：CatBoost模型分别对所述的基本信息特征、基础统计特征、时序特征、交叉特...
【技术特征摘要】
1.一种基于CatBoost算法的智能锁异常检测方法，其特征在于：包括如下步骤：Q1、数据预处理操作，对智能锁基本信息数据和智能锁记录的行为数据的处理，使数据格式归一化，标准化；Q2、依据“留出法”对数据划分操作，将历史数据划分为训练集和测试集，目的在于探寻历史数据训练集中数据内在联系；Q3、根据训练集和测试集进行特征工程构建操作，特征采用基本信息特征、基础统计特征、时序特征、交叉特征，建立算法模型；Q4、建立多个机器学习模型，并进行模型融合操作，用构建完特征的训练集去训练7个CatBoost模型：CatBoost模型分别对所述的基本信息特征、基础统计特征、时序特征、交叉特征进行特征选择，按照特征重要性排序，在基本信息特征中选取特征重要性大于0的特征，在基础统计特征中选取特征重要性大于10的特征，在时序特征中选取特征重要性大于0的特征，在交叉特征中选择特征重要性大于20的特征，使得在充分表征样本信息的同时降低模型的复杂度；CatBoost模型参数用默认参数乘以随机系数，系数范围为0.6～0.8，从而生成7个不同的CatBoost模型，这些CatBoost模型以stacking进行模型融合，Stacking模型融合的过程如下：用线性回归以七折交叉拟合每一折得到7个系数，以这7个系数的均值作为该CatBoost的融合系数作为stacking的第一层，再以这多个CatBoost模型进行训练，得到7个CatBoost的预测结果，将预测结果乘上各自的融合系数，求和得到最终概率，过程如下：①分别对7个模型调用线性回归得到每一折的预测结果：其中ym_npredict表示第m个模型第n折的预测结果，wm_n_z表示第m个模型的第n折的第z个线性回归系数：……②将7个模型的预测结果作为x，该训练集每一折的真实标签作为y，再次调用线性回归模型：③则7个模型最终的融合系数为：……2.根据权利要求1所述的一种基于CatBoost算法的智能锁异常检测方法，其特征在于：所述Q1中，对智能锁基本信息数据和智能锁记录的行为数据的处理包括：对异常值进行清洗，智能锁基本信息记录了智能锁所在楼层，删除其中楼层过大的样本；对低频值进行替换，智能锁基本信息记录了智能锁所在城市，将在整个数据集中只出现了一次的城市数据替换为一...
【专利技术属性】
技术研发人员：舒海东，王进，胡峰，
申请(专利权)人：智庭北京智能科技有限公司，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。