[发明专利]样本数据获取方法、装置、计算机设备和可读存储介质

说明书

本申请涉及一种样本数据获取方法、装置、计算机设备和可读存储介质。所述样本数据获取方法包括：基于交易样本集中交易数据的数据量，对所述交易样本集进行分块，得到多个交易样本子集；所述交易样本集包括多个交易样本，所述交易样本包括交易主体在预设时间段内的交易数据；对所述多个交易样本子集分别进行聚类，得到多个类簇；分别从所述多个类簇包括的交易样本中采样，得到多个目标样本；所述多个目标样本用于训练目标模型。采用本方法能够在根据交易样本集训练目标模型时，减小计算资源的消耗，提升模型训练的计算效率。

技术领域

本发明涉及金融科技技术领域，特别是涉及一种样本数据获取方法、装置、计算机设备和可读存储介质。

背景技术

随着计算机技术在各个行业的快速发展，越来越多的传统行业都在逐步向科技化发展，传统金融业亦在逐步向金融科技转变。

在金融科技中，存在大量数据处理的场景，例如，根据客户的交易数据训练算法模型，模型用于对客户的属性进行分类；传统技术中，一般采用全量数据进行模型训练，存在的问题是：金融机构的交易量巨大，每日至少数十万量级，甚至达到千万量级，基于全量数据的模型训练过程，将严重消耗计算资源，且数据的处理效率低下。

发明内容

基于此，有必要针对上述技术问题，提供一种能够在金融数据处理中，降低计算资源消耗、提升数据处理效率的样本数据获取方法、装置、计算机设备和可读存储介质。

第一方面，本申请实施例提供了一种样本数据获取方法，所述样本数据获取方法包括：

基于交易样本集中交易数据的数据量，对所述交易样本集进行分块，得到多个交易样本子集；所述交易样本集包括多个交易样本，所述交易样本包括交易主体在预设时间段内的交易数据；

对所述多个交易样本子集分别进行聚类，得到多个类簇；

分别从所述多个类簇包括的交易样本中采样，得到多个目标样本；所述多个目标样本用于训练目标模型。

在其中一个实施例中，所述基于交易样本集中交易数据的数据量，对所述交易样本集进行分块，得到多个交易样本子集之前，还包括：

根据预置的黑标样本表，检测所述多个交易样本中是否存在黑标样本，得到检测结果；

若所述检测结果为所述多个交易样本中存在黑标样本，则将所述黑标样本从所述交易样本集中剔除，得到剔除后的交易样本集；

所述基于交易样本集中交易数据的数据量，对所述交易样本集进行分块，得到多个交易样本子集，包括：

基于所述剔除后的交易样本集中交易数据的数据量，对所述剔除后的交易样本集进行分块，得到多个交易样本子集。

在其中一个实施例中，所所述交易样本还包括与所述交易主体对应的主体标识，所述根据预置的黑标样本表，检测所述多个交易样本中是否存在黑标样本，得到检测结果，包括：

检测所述主体标识是否存在于所述黑标样本表中；

若所述主体标识存在于所述黑标样本表中，则得到的测检结果为所述多个交易样本中存在黑标样本，并将所述主体标识对应的所述交易样本确定为所述黑标样本。

在其中一个实施例中，所述基于交易样本集中交易数据的数据量，对所述交易样本集进行分块，得到多个交易样本子集，包括：

根据所述交易样本集中交易数据的数据量，确定划分时间段；

根据所述时间段，将所述交易样本集划分为所述多个交易样本子集。

在其中一个实施例中，所述对所述多个交易样本子集分别进行聚类，得到多个类簇，包括：

从当前交易样本子集中随机选取部分交易样本；