机器学习建模方法、装置、设备及计算机可读存储介质制造方法及图纸

本发明专利技术公开了一种机器学习建模方法、装置、设备和计算机可读存储介质，该机器学习建模方法包括：获取多个第一变量和拟合目标，并确定各所述第一变量对应的预设变量方向；将各所述第一变量和所述拟合目标输入至预设模型进行训练，以获取多个决策树；基于各所述预设变量方向对各所述决策树进行筛选，以获取多个目标决策树；基于各所述目标决策树和所述拟合目标进行模型构建，以获取目标模型。本发明专利技术达到了在提高模型的区分效果的同时，又能够降低模型过拟合的风险的有益效果。

Machine learning modeling methods, devices, devices and computer readable storage media

【技术实现步骤摘要】
机器学习建模方法、装置、设备及计算机可读存储介质
本专利技术涉及科技金融(Fintech)
，尤其涉及一种机器学习建模方法、装置、设备及计算机可读存储介质。
技术介绍
随着金融科技(Fintech)，尤其是互联网科技金融的不断发展，越来越多的技术应用在金融领域。例如，与科技金融密切挂钩的模型技术，传统的风险建模方法重点关注解释性，依赖于业务专家经验，但对模型的区分效果有所降低，不能完全满足用户的需求。而目前新兴的机器学习则是以区分效果为主，但是存在过拟合风险，模型结果可能不准确，因此，这两种方式均不能满足用户的需求，存在一定的缺陷。因此，如何在提高模型的区分效果的同时，又能够降低模型过拟合的风险成为了目前亟待解决的技术问题。
技术实现思路
本专利技术的主要目的在于提供一种机器学习建模方法、装置、设备和计算机存储介质，旨在解决如何在提高模型的区分效果的同时，又能够降低模型过拟合的风险的技术问题。为实现上述目的，本专利技术提供一种机器学习建模方法、装置、设备以及计算机可读存储介质，所述机器学习建模方法包括：本文档来自技高网...

【技术保护点】
1.一种机器学习建模方法，其特征在于，所述机器学习建模方法包括以下步骤：/n获取多个第一变量和拟合目标，并确定各所述第一变量对应的预设变量方向；/n将各所述第一变量和所述拟合目标输入至预设模型进行训练，以获取多个决策树；/n基于各所述预设变量方向对各所述决策树进行筛选，以获取多个目标决策树；/n基于各所述目标决策树和所述拟合目标进行模型构建，以获取目标模型。/n

【技术特征摘要】
1.一种机器学习建模方法，其特征在于，所述机器学习建模方法包括以下步骤：
获取多个第一变量和拟合目标，并确定各所述第一变量对应的预设变量方向；
将各所述第一变量和所述拟合目标输入至预设模型进行训练，以获取多个决策树；
基于各所述预设变量方向对各所述决策树进行筛选，以获取多个目标决策树；
基于各所述目标决策树和所述拟合目标进行模型构建，以获取目标模型。


2.如权利要求1所述的机器学习建模方法，其特征在于，所述基于各所述预设变量方向对各所述决策树进行筛选，以获取多个目标决策树的步骤，包括：
计算各所述决策树所应用的应用变量，并确定各所述应用变量对应的应用变量方向；
基于各所述应用变量方向和各所述预设变量方向对各所述决策树进行筛选，以获取多个目标决策树。


3.如权利要求2所述的机器学习建模方法，其特征在于，所述基于各所述应用变量方向和各所述预设变量方向对各所述决策树进行筛选的步骤，包括：
依次遍历各所述应用变量方向，并在各所述预设变量方向中确定当前遍历的当前应用变量方向对应的当前预设变量方向；
检测所述当前应用变量方向是否和所述当前预设变量方向一致；
若是，则基于所述当前应用变量方向确定所述当前预设变量方向对应的决策树为目标决策树，直至各所应用变量方向遍历完成。


4.如权利要求3所述的机器学习建模方法，其特征在于，所述基于所述当前应用变量方向确定所述当前预设变量方向对应的决策树为目标决策树的步骤，包括：
确定所述当前应用变量方向在各所述决策树中的方向是否一致；
若所述当前应用变量方向在各所述决策树中的方向均一致，则确定所述当前预设变量方向对应的决策树为目标决策树。


5.如权利要求3所述的机器学习建模方法，其特征在于，所述在各所述预设变量方向中确定当前遍历的当前应用变量方向对应的当前预设变量方向的步骤，包括：
确定当前遍历的当前应用变量所在的当前决策树，并...

【专利技术属性】
技术研发人员：黄勇卫，壮青，
申请(专利权)人：深圳前海微众银行股份有限公司，
类型：发明
国别省市：广东;44