基于横向联邦的产品购买预测方法、系统及控制器技术方案

本发明专利技术公开了一种基于横向联邦的产品购买预测方法、产品购买预测系统、控制器及计算机存储介质，其中，基于横向联邦的产品购买预测方法包括，多个数据方对各自预设的数据集进行随机森林抽样处理，得到N个数据采样集，并根据协调方生成的信息增益，确定最佳特征和最佳分裂点，得到N个数据采样集对应的基学习器，并根据N个基学习器得到强学习器，其中，本申请从方差角度降低泛化误差，通过随机森林抽样处理和基于安全树模型Secureboost的基学习器训练，有效降低联邦学习的方差，提高联邦学习的泛化能力，有效防止过拟合，进而提高产品购买预测方法的预测精度，在保护多方隐私的同时，更加精准有效的得到银行理财产品的购买预测结果。结果。结果。

【技术实现步骤摘要】
基于横向联邦的产品购买预测方法、系统及控制器


[0001]本申请涉及联邦学习
，具体涉及一种基于横向联邦的产品购买预测方法、产品购买预测系统、控制器及计算机存储介质。

技术介绍

[0002]现有技术中，随着《个人信息保护法》、《数据安全法》、《网络安全法》的颁布，数据使用合规成为一个迫切需要解决的问题，在人工智能领域，数据合作存在许多数据泄露场景，具体的，在中央人民银行作为协调方，其他银行作为数据方，根据用户数据进行理财产品购买预测的场景下存在数据泄露场景，因此，联邦学习诞生成为新的技术路线来满足数据使用合规要求；
[0003]然而，目前，在基于联邦学习进行产品购买预测的相关场景中，联邦学习基本策略是加法模型加上向前分布算法，通过不断的拟合残差，达到向真实值逼近，靠降低偏差来提升预测精度，但该类联邦学习的泛化能力较差，容易导致过拟合，影响联邦学习的预测精度和产品购买预测方法的精度。

技术实现思路

[0004]本申请实施例提供一种基于横向联邦的产品购买预测方法、产品购买预测系统、控制器及计算机存储介质，至少能保证，本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于横向联邦的产品购买预测方法，所述基于横向联邦的产品购买预测方法应用于产品购买预测系统，所述产品购买预测系统包括协调方和多个数据方，其特征在于，所述基于横向联邦的产品购买预测方法包括：多个所述数据方对各自预设的数据集进行随机森林抽样处理，得到N个数据采样集；多个所述数据方各自将对应的所述数据采样集的样本数量M
i
、局部极小值和局部极大值发送至协调方；所述协调方根据所述样本数量M
i
、所述局部极小值和所述局部极大值得到多个特征分位数，并分别向多个所述数据方发送多个所述特征分位数，所述特征分位数包括多个特征的多个分位数；多个所述数据方分别根据所述特征分位数进行特征分箱处理，得到特征分箱数据，并将所述特征分箱数据发送至所述协调方，以根据所述协调方根据所述特征分箱数据生成的信息增益，确定最佳特征和最佳分裂点；多个所述数据方分别得到N个所述数据采样集对应的基学习器，并根据N个所述基学习器得到强学习器。2.根据权利要求1所述的基于横向联邦的产品购买预测方法，其特征在于，所述数据方对应的预设的数据集包括M
i
个样本，所述多个所述数据方对各自数据集进行随机森林抽样处理，得到N个数据采样集，包括：所述数据方对所述预设的数据集进行N*M
i
次有放回的随机抽样处理，得到N个样本数量为M
i
的所述数据采样集。3.根据权利要求1或2所述的基于横向联邦的产品购买预测方法，其特征在于，所述基于横向联邦的产品购买预测方法，还包括：从多个所述数据方中确定目标数据方；所述目标数据方对应的数据集进行随机列取样，得到特征序列；所述目标数据方将所述特征序列发送至其余所述数据方，以使其余所述数据方根据所述特征序列进行特征序列更新。4.根据权利要求3所述的基于横向联邦的产品购买预测方法，其特征在于，所述特征分位数包括所述特征序列中每个特征的多个分位数，所述协调方根据所述样本数量M
i
、所述局部极小值和所述局部极大值得到多个特征分位数，包括：所述协调方根据所述局部极小值和所述局部极大值得到全局最小值和全局最大值；所述协调方根据所述全局最小值和所述全局最大值得到临时分位数；所述协调方根据所述临时分位数和所述样本数量M
i
得到多个特征分位数。5.根据权利要求4所述的基于横向联邦的产品购买预测方法，其特征在于，所述协调方根据所述临时分位数和所述样本数量M
i
得到多个特征分位数，包括：所述协调方将所述临时分位数发送至多个所述数据方，以使所述数据方根据所述临时分位数得到所述预设的数据集中小于所述临时分位数的数据数量n
ik
；所述协调方获取所述数据数量n
ik
，并根据所述数据数量n
ik<...

【专利技术属性】
技术研发人员：宁景文，钟焰涛，郑毅，
申请(专利权)人：华润数字科技有限公司，
类型：发明
国别省市：