【技术实现步骤摘要】
本申请属于人工智能，尤其涉及一种数据处理方法、装置、设备、介质及产品。
技术介绍
1、随着人工智能的发展，机器学习的应用也越来越广泛。在业务智能中枢项目建设过程中，在价格类违规商户侦测场景下，相较于常规的规则模型，机器学习模型的准确度以及召回率都有较高的提升。而复杂机器学习模型大部分属于黑盒模型，具有不透明、非直观以及难以理解的特点，沙普利可加性模型解释方法(shapley additiveex planations，shap)作为特征重要性的统一量度方法，成为当前通用的模型的解释方法。
2、相关技术中，在使用单个模型对样本进行预测时，针对每一个样本，所有特征的特征重要性(即shap值)的和，加上一个基础值等于模型对该样本的预测结果，因此可以根据特征重要性对样本的预测结果进行解释。但是单个模型的效果往往不如多个模型的叠加效果好，例如在预测结果的稳定性以及泛化性能上，多折模型相对于单个模型具有明显优势。但是，当选择多个模型的预测概率求均值对样本进行预测时，相关技术中无法确定出每个特征的shap值，因此如何在多折模型场景下确定每...
【技术保护点】
1.一种数据处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，在所述确定所述m个第一预测概率的平均值为所述第一样本的目标预测概率之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述基于m组训练样本进行模型训练，得到所述m个预测模型，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于预设的原始基础分值对所述目标预测概率进行调整，将所述目标预测概率转化为所述第一样本的目标分值，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于获取到的训练调整分值调整所述原始基础...
【技术特征摘要】
1.一种数据处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，在所述确定所述m个第一预测概率的平均值为所述第一样本的目标预测概率之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述基于m组训练样本进行模型训练，得到所述m个预测模型，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于预设的原始基础分值对所述目标预测概率进行调整，将所述目标预测概率转化为所述第一样本的目标分值，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于获取到的训练调整分值调整所述原始基础分值，得到目标基础分值，包括：
6.根据权利要求1或5所述的方法，其特征在于，在所述基于获取到的训练调整分值调整所述原始基础分值，得到目标基础分值之前，所述方法还包括：
7.根据权利要求1所述的方法，其特征在于，所述基于treeshap算法，确定所述n个特征中每个特征在所述m个预测模型下的特征...
【专利技术属性】
技术研发人员：陈中演，潘骏，邹勇，漆维正，张磊，
申请(专利权)人：中国银联股份有限公司，
类型：发明
国别省市：
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。