[发明专利]基于树分裂算法的数据样本分析方法及装置

说明书

本发明涉及预测模型技术领域，揭示了一种基于树分裂算法的数据样本分析方法及装置。所述方法包括：获取当前树分裂算法所应用的目标场景；判断目标场景是否为预设样本重要性分布不均的场景；如果是，将当前树分裂算法的基尼系数计算方式设置为预设计算方式；根据预设计算方式计算当前树分裂算法中每一叶节点对应的基尼系数；根据每一叶节点对应的基尼系数选取叶节点对应的分裂标准；根据分裂标准对目标场景中的数据样本进行树分裂得到目标数据，能够满足对于目标函数重要性不等的情况进行数据分析的需求，提高数据分析的稳定性，更为全面地对用户行为进行分析。

技术领域

本发明涉及预测模型技术领域，特别涉及一种基于树分裂算法的数据样本分析方法及装置及装置、电子设备。

背景技术

目前，常见的树模型算法包括决策树、随机森林和GBDT等，这些树模型算法进行树分裂的参考标准主要是利用GINI系数等作为评价标准，GINI系数也称为基尼系数，用于度量随机变量的不确定度的大小。其中，利用GINI系数作为评价标准的树分裂方式是基于目标函数重要性相等的前提来进行的。通过实践发现，在采用树模型算法预测用户行为，向用户进行智能推荐的过程中，用户的目标样本对预测用户行为具有重要意义，但可能由于目标样本的样本数量较少，算法无法考虑到样本之间重要性程度不对等的因素，使得在预测用户行为的过程中目标样本未发挥足够的作用。可见，当前的树模型算法进行树分裂的方式无法满足对于目标函数重要性不等的情况进行数据分析的需求。

发明内容

为了解决相关技术中存在的无法满足对于目标函数重要性不等的情况进行数据分析的需求的问题，本发明提供了一种基于树分裂算法的数据样本分析方法及装置。

本发明实施例第一方面公开了一种基于树分裂算法的数据样本分析方法及装置，所述方法包括：

获取当前树分裂算法所应用的目标场景；

判断所述目标场景是否为预设样本重要性分布不均的场景；其中，所述预设样本重要性分布不均的场景是指所述目标场景中存在数据样本的样本数量低于所述数据样本的重要性对应的预设样本数量；

如果是，将所述当前树分裂算法的基尼系数计算方式设置为预设计算方式；

根据所述预设计算方式计算所述当前树分裂算法中每一叶节点对应的基尼系数；

根据所述每一叶节点对应的基尼系数选取所述叶节点对应的分裂标准；

根据所述分裂标准对所述目标场景中的数据样本进行树分裂得到目标数据。

作为一种可选的实施方式，在本发明实施例第一方面中，在判断出所述目标场景为预设样本重要性分布不均的场景之后，所述方法还包括：

当所述目标场景为预设反欺诈场景时，获取样本数据集，所述样本数据集至少包括历史欺诈数据和历史正常数据；

根据所述样本数据集获取所述当前树分裂算法相匹配的叶节点，并执行所述将所述当前树分裂算法的基尼系数计算方式设置为预设计算方式的步骤。

作为一种可选的实施方式，在本发明实施例第一方面中，所述将所述当前树分裂算法的基尼系数计算方式设置为预设计算方式，包括：

根据所述样本数据集对应的样本实际分布情况将所述当前树分裂算法的基尼系数计算方式设置为预设计算方式。

作为一种可选的实施方式，在本发明实施例第一方面中，所述根据所述预设计算方式计算所述当前树分裂算法中每一叶节点对应的基尼系数，包括：

将所述当前树分裂算法中每一叶节点按照分裂标准集合所包括的若干分裂标准进行划分；

根据所述预设计算方式计算划分后的叶节点对应的若干分裂标准相匹配的若干基尼系数；