[发明专利]基于数据共享建立机器学习模型的方法和装置

说明书

本申请实施例公开了基于数据共享建立机器学习模型的方法和装置。该基于数据共享建立机器学习模型的方法的一个具体实施方式包括：获取与训练样本ID相对应的以下数据：训练样本、样本标签以及特征提供端提供的采用ID编码的特征文件；在网络隔离区域中，根据特征提供端技术人员的操作，关联样本标签与采用ID编码的特征文件中的特征，得到关联数据集合；基于训练样本和关联数据集合，训练预设算法模型。该实施方式保证了预设算法模型所采用的特征数据的安全性，也提高了预设算法模型的准确率。

技术领域

本申请涉及计算机技术领域，具体涉及电子地图技术领域，尤其涉及基于数据共享建立机器学习模型的方法和装置。

背景技术

建立机器学习的模型需要样本、特征和算法三个部分，在实际业务中，可能是A公司有样本、B公司有特征，或者A公司有样本和部分特征，B公司有部分特征，双方希望能互通数据，联合建模以得到更好的模型效果。

在目前的技术中，通常以一个身份标识号码(ID)互通数据，可以生成训练集和测试集，然后采用一种算法得到联合建模的模型效果，但是这种以一个ID互通双方数据的方法会曝露数据，双方都可以拿到或反推对方的数据，无法达成合作。

发明内容

本申请实施例提供了基于数据共享建立机器学习模型的方法和装置。

第一方面，本申请实施例提供了一种基于数据共享建立机器学习模型的方法，包括：获取与训练样本ID相对应的以下数据：训练样本、样本标签以及特征提供端提供的采用ID编码的特征文件；在网络隔离区域中，根据特征提供端技术人员的操作，关联样本标签与采用ID编码的特征文件中的特征，得到关联数据集合；基于训练样本和关联数据集合，训练预设算法模型。

在一些实施例中，基于训练样本和关联数据集合，训练预设算法模型包括：基于训练样本和关联数据集合训练预设算法模型；响应于对预设算法模型进行测试的结果符合测试通过条件，将预设算法模型传输至特征提供端；获取特征提供端所提供的接入预设算法模型的在线特征提取接口。

在一些实施例中，基于训练样本和关联数据集合，训练预设算法模型包括：基于关联数据集合训练第一模型；基于第一模型的输出，确定训练样本的评分数据；提取训练样本的本地提取特征；基于训练样本的评分数据和训练样本的本地提取特征，训练第二模型；响应于对第二模型进行测试的结果符合测试通过条件，将第一模型传输至特征提供端；获取特征提供端所提供的接入第一模型的在线特征提取接口，在线特征提取接口用于接收输入样本ID并输出对应输入样本ID的采用ID编码的特征。

在一些实施例中，特征提供端提供的采用ID编码的特征文件经由以下步骤得到：基于训练样本，生成训练样本ID列表文件；压缩并加密训练样本ID列表文件，得到加密后的训练样本ID列表文件压缩包；经由不同渠道向特征提供端发送训练样本ID列表文件压缩包和加密密码；接收特征提供端提供的采用ID编码的特征文件。

在一些实施例中，预设算法模型包括以下任意一项：逻辑回归模型、决策树模型、极限梯度提升模型和神经网络模型。

第二方面，本申请实施例提供了一种样本标签预测方法，包括：获取预测样本；基于预测样本，确定对应预测样本的采用ID编码的特征；将对应预测样本的采用ID编码的特征输入如上述的预设算法模型，得到预设算法模型的对预测样本的评分数据。

第三方面，本申请实施例提供了一种样本标签预测方法，包括：获取预测样本；将预测样本输入如上述的在线特征提取接口，得到对应预测样本的采用ID编码的特征；将对应预测样本的采用ID编码的特征输入如上述的第一模型，得到第一模型对预测样本的评分数据；提取预测样本的本地提取特征；将第一模型对预测样本的评分数据和预测样本的本地提取特征输入如上述的第二模型，得到第二模型对预测样本的评分数据。