基于交易后数据的机器学习制造技术

公开了与使用交易后信息对交易进行分类有关的技术。可以使用用于一组交易的第一数据作为训练数据输入来训练第一分类器模块，其中第一数据包括交易前信息和交易后信息。在所公开的技术中，在训练第一分类器模块过程中，用于一组交易中的交易的正确分类是已知的。在所公开的技术中，训练架构基于经训练的第一分类器对一组交易中的多个交易的分类输出，为多个交易生成各自的权重。在所公开的技术中，训练架构基于生成的权重使用用于一组交易的第二数据作为训练数据输入来训练第二分类器模块。在一些实施例中，经训练的第二分类器模块仅基于用于一个或多个未决交易的交易前信息对一个或多个未决交易进行分类。个或多个未决交易进行分类。个或多个未决交易进行分类。

【技术实现步骤摘要】
【国外来华专利技术】基于交易后数据的机器学习


[0001]本公开总体上涉及机器学习分类器，并且更具体而言，涉及基于交易后数据使用实例权重的训练分类器。

技术介绍

[0002]可以出于各种原因对交易(包括出于进一步检查而识别某些类型的交易(例如，出于计算机安全目的而检测异常交易))进行分类。机器学习可以用于训练各种类型的分类器来识别交易类型。历来仅基于交易完成之前可用的信息来训练分类器(例如，因为这是对交易进行实时分类时唯一可用的信息)。一般而言，提高分类器的准确性可以减少或避免安全问题。
附图说明
[0003]图1A是示出根据一些实施例的使用交易后信息来生成用于训练数据的权重的示例性训练架构的框图。
[0004]图1B是示出根据一些实施例的根据图1A的架构来训练的示例性分类器的框图。
[0005]图2示出根据一些实施例的与训练交易有关的示例性交易前信息和交易后信息。
[0006]图3示出根据一些实施例的指示与未决交易(pending transaction)有关的交易前信息和交易后信息的示例性时间线。r/>[0007]图本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种方法，包括：使用用于一组交易的第一数据作为训练数据输入来训练第一分类器模块，其中，所述第一数据包括用于所述一组交易中的交易的交易前信息和交易后信息两者，并且其中，用于所述一组交易中的交易的正确分类是已知的；基于经训练的第一分类器对所述一组交易中的多个交易的分类输出，为所述多个交易生成各自的权重；基于所生成的权重使用用于所述一组交易的第二数据作为训练数据输入来训练第二分类器模块；以及仅基于用于一个或多个未决交易的交易前信息，使用经训练的第二分类器模块，对所述一个或多个未决交易进行分类。2.根据权利要求1所述的方法，其中，基于所生成的权重进行训练包括以下项中的一者或多者：基于第一交易的权重大于第二交易的权重，对所述第一交易执行比所述第二交易更多的训练迭代；或者基于第一交易的权重大于第二交易的权重，对所述第一交易执行比所述第二交易更大的训练调整。3.根据权利要求1所述的方法，其中，生成各自的权重是使用多种不同的加权技术以生成多组权重来执行的；其中，训练所述第二分类器模块是使用所述多组权重针对所述第二分类器模块的多个版本执行的；其中，所述方法还包括：选择所述第二分类器模块的多个版本中的经训练的版本。4.根据权利要求1所述的方法，其中，基于正确的分类与由经训练的第一分类器模块为所述交易而生成的输出预测之间的关系来生成各自的权重。5.根据权利要求1所述的方法，其中，生成各自的权重为输出预测距所述正确分类较远的交易提供更大的权重。6.根据权利要求1所述的方法，其中，基于所生成的权重来训练所述第二分类器模块是使用梯度提升树机器学习技术来执行的。7.根据权利要求1所述的方法，其中，用于所述一组交易中的第一交易的交易后信息包括用于在所述第一交易之后执行的一个或多个交易以及与所述第一交易相关联的用户的非交易活动的信息。8.根据权利要求1所述的方法，其中，用于所述一组交易的第二数据包括用于所述一组交易中的交易的交易前信息，并且不包括用于所述一组交易中的交易的交易后信息。9.根据权利要求1所述的方法，其中，加权指示不使用所述一组交易中的一个或多个交易来训练所述第二分类器模块。10.一种非暂时性计算机可读介质，其上存储有指令，所述指令能够由计算设备执行，以执行以下操作，所述操作包括：使用用于一组交易的第一数据作为训练数据输入来训练第一分类器模块，其中，所述第一数据包括用于所述一组交易中的交易的交易前信息和交易后信息两者，并且其中，用于所述一组交易中的交易的正确分类是已知的；
基于经训练的第一分类器对所述一组交易中的多个交...

【专利技术属性】
技术研发人员：莫因，
申请(专利权)人：贝宝公司，
类型：发明
国别省市：