【技术实现步骤摘要】
本申请涉及人工智能，尤其涉及一种异常用户检测方法、装置、计算机设备及存储介质。
技术介绍
1、随着大数据技术的迅速发展和企业数据量的急剧增加，传统的线性回归模型面临着越来越多的挑战。特别是在处理具有高维特征的业务场景时，数据中的多重共线性问题尤为突出，这直接影响了模型的稳定性和预测准确性。此外，高维数据可能包含许多不重要或冗余的特征，这些特征不仅增加了模型的复杂度，而且还可能导致过拟合，影响模型在未知数据上的泛化能力。
2、因此，如何从大量特征中自动选择最有影响的特征，并有效地处理多重共线性问题，成为提高模型泛化能力的关键。
技术实现思路
1、本申请实施例的目的在于提出一种异常用户检测方法、装置、计算机设备及存储介质，以解决传统的线性回归模型无法有效处理多重共线性问题、提高模型泛化能力的问题。
2、为了解决上述技术问题，本申请实施例提供一种异常用户检测方法，采用了如下所述的技术方案：
3、获取与目标业务场景相对应的历史业务数据；
4、对所述历...
【技术保护点】
1.一种异常用户检测方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的异常用户检测方法，其特征在于，在所述获取与目标业务场景相对应的历史业务数据的步骤之后，且在所述对所述历史业务数据进行编码操作，得到业务特征矩阵的步骤之前，还包括下述步骤：
3.根据权利要求1所述的异常用户检测方法，其特征在于，所述模型训练操作的目标函数表示为：
4.根据权利要求3所述的异常用户检测方法，其特征在于，所述构建初始线性回归模型，将所述业务特征矩阵输入至所述初始线性回归模型进行模型训练操作，并根据LASSO算法对所述模型训练操作进行优化的步骤，具
【技术特征摘要】
1.一种异常用户检测方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的异常用户检测方法，其特征在于，在所述获取与目标业务场景相对应的历史业务数据的步骤之后，且在所述对所述历史业务数据进行编码操作，得到业务特征矩阵的步骤之前，还包括下述步骤：
3.根据权利要求1所述的异常用户检测方法，其特征在于，所述模型训练操作的目标函数表示为：
4.根据权利要求3所述的异常用户检测方法，其特征在于，所述构建初始线性回归模型，将所述业务特征矩阵输入至所述初始线性回归模型进行模型训练操作，并根据lasso算法对所述模型训练操作进行优化的步骤，具体包括下述步骤：
5.根据权利要求4所述的异常用户检测方法，其特征在于，所述根据坐标下降法对所述系数向量β进行更新操作的步骤，具体包括下述步骤：
6....
【专利技术属性】
技术研发人员：施悦，陈奕宇，
申请(专利权)人：中国平安财产保险股份有限公司，
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。