[发明专利]基于决策树的数据计算方法、装置和计算机设备

说明书

本申请揭示了一种基于决策树的数据计算方法、装置、计算机设备和存储介质，所述方法包括：接收对指定主体进行计算的计算指令；利用基于决策树模型的主体分类模型，对指定主体进行分类，从而将所述指定主体归类为指定分类；若所述指定分类中存在第一主体，则将所述指定数据的多个子数据划分为第一类子数据和第二类子数据；根据所述第二类子数据的数值，将所述指定主体归类为第i个逻辑分类；若所述第i个逻辑分类中存在第二主体，则获取与所述指定主体对应的指定比例因子，并将所述指定比例因子乘以所述结果数值的乘积值作为所述指定主体的计算结果。从而解决规则引擎负担过重、计算模型负担过重且耗时过高的缺陷。

技术领域

本申请涉及到计算机领域，特别是涉及到一种基于决策树的数据计算方法、装置、计算机设备和存储介质。

背景技术

计算机辅助计算对于现代生产和生活都有很大帮助，一般的计算方法的过程例如为：将需要计算的数据通过规则引擎进行判断，从而利用规则引擎得知该数据应采用何种计算模型来计算，再采用规则引擎确定的计算模型对该数据进行计算，从而得到计算结果。这种计算方式，对于少量数据而言并不存在太大问题，但是对于大量数据而言，会存在规则引擎负担过重、计算模型负担过重的情况。例如有1000万组数据需要计算，对应有1个规则引擎和10个计算模型，按传统的计算方式，规则引擎需要运转1000万次、计算模型的总计算次数也高达1000万次，若规则引擎的每次运转耗时0.001秒,则将消耗时间27.77小时，再加上计算模型上的耗时，可知传统方案存在负担过重、耗时过高的缺陷。

发明内容

本申请的主要目的为提供一种基于决策树的数据计算方法、装置、计算机设备和存储介质，旨在解决规则引擎负担过重、计算模型负担过重且耗时过高的缺陷。

为了实现上述发明目的，本申请提出一种基于决策树的数据计算方法，包括以下步骤：

接收对指定主体进行计算的计算指令，其中所述计算指令携带有所述指定主体的指定数据，所述指定数据包括多个子数据；

利用预设的基于决策树模型的主体分类模型，对所述指定主体进行分类，从而将所述指定主体归类为指定分类；

判断所述指定分类中是否存在第一主体，其中所述第一主体指已利用预设的规则引擎进行运算，从而得到第一计算模型的主体；

若所述指定分类中存在第一主体，则根据预设的数据分类方法，将所述指定数据的多个子数据划分为第一类子数据和第二类子数据，其中所述第一类子数据与所述第一计算模型的计算结果正相关，所述第二类子数据与所述第一计算模型的计算结果非正相关；

根据所述第二类子数据的数值，将所述指定主体归类为第i个逻辑分类，其中所述第i个逻辑分类中的主体具有的第二类子数据的数值在预设的数值范围之内，其中i为大于0的整数，所述第i个逻辑分类是所述指定分类的子分类；

判断所述第i个逻辑分类中是否存在第二主体，所述第二主体指已利用所述第一计算模型进行计算，从而得到结果数值的主体；

若所述第i个逻辑分类中存在第二主体，则根据预设的第一类子数据与比例因子的对应关系，获取与所述指定主体对应的指定比例因子，并将所述指定比例因子乘以所述结果数值的乘积值作为所述指定主体的计算结果。

进一步地，所述利用预设的基于决策树模型的主体分类模型，对所述指定主体进行分类，从而将所述指定主体归类为指定分类的步骤之前，包括：

调取预存的多个样本数据，并根据预设的划分比例将所述样本数据划分为训练数据和测试数据，其中所述样本数据由预先收集的训练主体和与所述训练主体对应的类别构成；

设置决策树模型的建模标准参数，所述建模标准参数至少包括决策树的母节点的可再分的显著水平、母节点包含的最小样本数、子节点包含的最小样本数和决策树的最大层数，从而得到初始决策树模型；