[发明专利]分类模型的训练方法、装置、计算机设备及存储介质

说明书

本发明公开了一种分类模型的训练方法，应用于人工智能技术领域，用于解决通过现有预测模型对低风险概率事件进行预测时模型训练难度大且预测结果不准确的技术问题。本发明提供的方法包括：获取风险训练样本和非风险样本；确定基分类器的数量；确定用于训练第一基分类器的第一训练样本；根据各该非风险样本的损失对该非风险样本相对于该当前基分类器进行分箱并计算在当前基分类器下各箱的权重；根据各箱的权重和该风险训练样本的数量；根据确定的该数量分别从对应的箱中进行采样，得到当前基分类的训练样本；通过该第一训练样本对该第一基分类器进行训练，通过该当前基分类的训练样本分别对对应的基分类器进行训练，得到训练好的分类模型。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种分类模型的训练方法、装置、计算机设备及存储介质。

背景技术

反欺诈风控是指在风险来临之前通过相关技术手段对该风险出现的情况进行预测，便于人们对未知风险进行智能预警。常见的反欺诈风控场景例如：证件冒办反欺诈、人脸活体检测、基于客户历史数据识别高风险用户、大数据反洗黑钱等等。

在大多数的风控场景中，相比于正常情况，由于实际发生风险的情况极少，使得正常样本的标签与目标样本的标签经常呈现极不平衡分布。在很多项目或者场景中，风控目标样本率甚至低于0.3％，表示在1000个样本中，风控目标样本的数量不到3个，这种极不平衡的样本特性导致的问题是通过这类样本对预测模型进行训练时，给模型效果提升带来极大的困难。

为解决极不平衡的样本特性导致训练出的预测模型预测结果不准确的技术问题，有人提出了通过数据端的采样算法、代价敏感学习算法与集成算法控制模型中损失函数的拟合，但是这种方法需要在大规模数据集上进行大量计算，不易控制函数复杂度反而容易增加数据噪声。通过代价敏感学习算法控制模型中损失函数的拟合还容易使算法训练陷入局部最优解，最终的模型表现较为依赖于超参的选择。

不论是手动选择超参还是通过优化算法自动选择超参，都没有与训练样本自身的特性相结合，通过这种方式对模型进行训练一方面增加了模型训练的难度和人工依赖性，另一方面训练出的模型在对风险发生概率很低的场景进行预测时，预测结果的准确性不能得到明显提高。

发明内容

本发明实施例提供一种分类模型的训练方法、装置、计算机设备及存储介质，以解决通过现有预测模型对低风险概率事件进行预测时模型训练难度大且预测结果不准确的技术问题。

一种分类模型的训练方法，该方法包括：

获取风险训练样本和非风险样本，该非风险样本的数量大于该风险训练样本的数量；

根据用户的输入确定该分类模型包括的基分类器的数量，所述分类模型用于对所述风控场景中目标对象的风险概率进行预测，该基分类器的数量至少为两个；

从该非风险样本中随机抽取第一基分类器的第一非风险训练样本，将该第一非风险训练样本与该风险训练样本的合集作为该第一基分类器的第一训练样本；

根据当前基分类器及在先基分类器对每个该非风险样本的输出结果，计算各该非风险样本在当前基分类器下的损失，当该基分类器的数量为两个或该当前基分类器表示第二基分类器时，该在先基分类器表示该第一基分类器；

根据各该非风险样本的损失对该非风险样本相对于该当前基分类器进行分箱；

计算在当前基分类器下各箱的权重；

根据各箱的权重和该风险训练样本的数量，确定从对应箱中抽取的非风险训练样本的数量；

根据确定的该数量分别从对应的箱中进行采样，得到当前非风险训练样本，将该当前非风险训练样本与该风险训练样本的合集作为该当前基分类的训练样本；

通过该第一训练样本对该第一基分类器进行训练，通过该当前基分类的训练样本分别对对应的基分类器进行训练，得到训练好的分类模型。