【技术实现步骤摘要】
本专利技术属于模型调用，涉及一种基于xgboost的模型调用方法、系统及设备。
技术介绍
1、在金融科技定价领域，存在模型调用的情况。以当前机动车辆保费费率厘定和定价为例，现有技术大都是基于传统的广义线性模型(glm)，此类算法模型具有可解释度高、使用场景广泛等好处，但近年来随着机器学习相关算法的快速发展，以xgboost为代表的梯度提升(graadient boosting)算法在结构化数据的处理中展现了更好的准确性以及优良的鲁棒性。与传统的glm模型相比，xgboost模型训练和预测更加复杂，一般xgboost训练后的为模型bin文件，应用预测时需要将模型bin文件嵌入到应用组件中加载读取，并占用应用的内存和cpu进行预测计算，如果发生异常对应用的影响较大，目前没有好的降低风险应用方案，存在模型应用风险大、可扩展性弱和部署上线慢的问题，具体缺陷如下：
2、(1)模型风险大：模型跟核心的报价组件部署在同一个应用中，如果模型计算异常很容易扩散导致报价应用阻塞；
3、(2)模型可扩展性弱：模型bin文件耦合在报价组...
【技术保护点】
1.基于XGBoost的模型调用方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于XGBoost的模型调用方法，其特征在于，所述获取模型训练单元训练完成的各个模型，将训练完成得到的各个bin文件模型进行存储；具体为：
3.根据权利要求1所述的基于XGBoost的模型调用方法，其特征在于，所述接收应用单元发来的模型调用请求，根据预定的路由规则和负载均衡策略，将所述模型调用请求分发到对应的模型运行实例Pod；包括：
4.根据权利要求3所述的基于XGBoost的模型调用方法，其特征在于，通过模型管理组件对每个bin文件模型进行...
【技术特征摘要】
1.基于xgboost的模型调用方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于xgboost的模型调用方法，其特征在于，所述获取模型训练单元训练完成的各个模型，将训练完成得到的各个bin文件模型进行存储；具体为：
3.根据权利要求1所述的基于xgboost的模型调用方法，其特征在于，所述接收应用单元发来的模型调用请求，根据预定的路由规则和负载均衡策略，将所述模型调用请求分发到对应的模型运行实例pod；包括：
4.根据权利要求3所述的基于xgboost的模型调用方法，其特征在于，通过模型管理组件对每个bin文件模型进行全生命周期管理，包括对应bin文件模型的注册、部署、更新和退役；
5.基于xgboost的模型调用系统，其特征在于，包括：
6.根据权利要求5所述的基于xg...
【专利技术属性】
技术研发人员：余冬冬，聂志高，梁汉杰，
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。