模型训练方法、异常数据检测方法、装置和电子设备制造方法及图纸

本说明书实施例公开了一种模型训练方法、异常数据检测方法、装置和电子设备的实施例。所述方法包括：利用以下步骤进行迭代处理，直至满足第一迭代结束条件：根据训练样本集，对第一模型进行训练；根据训练后的第一模型，对原始数据集中的原始数据进行预测，得到第一预测结果；根据第一预测结果，从所述原始数据集中不放回地抽取原始数据；对抽取的原始数据进行打标；将打标后的原始数据作为训练样本添加至所述训练样本集中。

【技术实现步骤摘要】
模型训练方法、异常数据检测方法、装置和电子设备
本说明书实施例涉及计算机
，特别涉及一种模型训练方法、异常数据检测方法、装置和电子设备。
技术介绍
在实际应用中，经常需要检测业务数据是否为异常数据。为此可以训练模型，进而可以通过训练的模型检测业务数据是否为异常数据。如何提高模型的训练速度是当前亟需解决的技术问题。
技术实现思路
本说明书实施例提供一种模型训练方法、异常数据检测方法、装置和电子设备，以提高模型的训练速度。本说明书实施例的技术方案如下。本说明书实施例的第一方面，提供了一种模型训练方法，包括：利用以下步骤进行迭代处理，直至满足第一迭代结束条件：根据训练样本集，对第一模型进行训练；根据训练后的第一模型，对原始数据集中的原始数据进行预测，得到第一预测结果；根据第一预测结果，从所述原始数据集中不放回地抽取原始数据；对抽取的原始数据进行打标；将打标后的原始数据作为训练样本添加至所述训练样本集中。本说明书实施例的第二方面，提供了一种异常数据检测方法，包括：将业务数据输入至使用第一方面所述方法训练本文档来自技高网...

【技术保护点】
1.一种模型训练方法，包括：/n利用以下步骤进行迭代处理，直至满足第一迭代结束条件：/n根据训练样本集，对第一模型进行训练；/n根据训练后的第一模型，对原始数据集中的原始数据进行预测，得到第一预测结果；/n根据第一预测结果，从所述原始数据集中不放回地抽取原始数据；/n对抽取的原始数据进行打标；/n将打标后的原始数据作为训练样本添加至所述训练样本集中。/n

【技术特征摘要】
1.一种模型训练方法，包括：
利用以下步骤进行迭代处理，直至满足第一迭代结束条件：
根据训练样本集，对第一模型进行训练；
根据训练后的第一模型，对原始数据集中的原始数据进行预测，得到第一预测结果；
根据第一预测结果，从所述原始数据集中不放回地抽取原始数据；
对抽取的原始数据进行打标；
将打标后的原始数据作为训练样本添加至所述训练样本集中。


2.如权利要求1所述的方法，所述对原始数据集中的原始数据进行预测，包括：
获取原始数据集中原始数据的特征数据；
将特征数据输入至训练后的第一模型。


3.如权利要求1所述的方法，所述从所述原始数据集中不放回地抽取原始数据，包括：
从所述原始数据集中抽取对应的第一预测结果满足预设条件的原始数据；
所述对抽取的原始数据进行打标，包括：
采用与所述预设条件相对应的打标策略，对抽取的原始数据进行打标。


4.如权利要求3所述的方法，所述预设条件包括第一预设条件和第二预设条件，所述打标策略包括第一打标策略和第二打标策略；
所述从所述原始数据集中抽取对应的第一预测结果满足预设条件的原始数据，包括：
从所述原始数据集中抽取对应的第一预测结果满足第一预设条件的原始数据作为第一类型的原始数据；从所述原始数据集中抽取对应的第一预测结果满足第二预设条件的原始数据作为第二类型的原始数据；
所述对抽取的原始数据进行打标，包括：
采用与所述第一预设条件相对应的第一打标策略，对第一类型的原始数据进行打标；采用与所述第二预设条件相对应的第二打标策略，对第二类型的原始数据进行打标。


5.如权利要求4所述的方法，所述将打标后的原始数据作为训练样本添加至所述训练样本集中，包括：
将打标后的第一类型的原始数据作为训练样本添加至所述训练样本集中；将打标后的第二类型的原始数据作为训练样本添加至所述训练样本集中。


6.如权利要求4所述的方法，所述第一预测结果包括分值；所述第一预设条件包括以下至少之一：分值大于或等于第一预设数值、分值小于或等于第二预设数值；所述第二预设条件包括：分值位于预设数值区间内。


7.如权利要求1所述的方法，还包括：
计算特定类型的训练样本在所述训练样本集中的稀疏指标；
根据稀疏指标，判断特定...

【专利技术属性】
技术研发人员：江攀，崔阳，章鹏，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：浙江;33