“决策树学习”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果363708个，建议您升级VIP下载更多相关专利

[发明专利]在线GBDT模型学习方法及装置-CN201910243086.3在审
发明人：崔卿 -专利权人：阿里巴巴集团控股有限公司
申请日： 2019-03-28 - 公布日： 2019-07-19 - 主分类号： G06N20/00 文献下载
摘要：本公开提供一种在线GBDT预测模型学习方法，包括：获取用于学习GBDT预测模型的样本数据集；以及使用所述样本数据集来基于GBDT预测模型中的至少一个决策树的模型参数进行模型学习，以创建新决策树并且更新至少一个决策树的模型参数此外，还可以从至少一个决策树去除部分决策树，并且基于去除处理后的GBDT预测模型来创建新决策树并更新决策树的模型参数。利用该方法，可以高效地实现GBDT预测模型学习。此外，还可以为GBDT预测模型的各个决策树赋予权重因子，由此提高模型预测准确性。
决策树预测模型模型参数模型学习样本数据去除模型预测权重因子更新创建学习赋予

[发明专利]秘密决策树学习装置、秘密决策树学习系统、秘密决策树学习方法、及程序-CN202080106144.9在审
发明人：滨田浩气 -专利权人：日本电信电话株式会社
申请日： 2020-10-16 - 公布日： 2023-06-23 - 主分类号： G09C1/00 文献下载
摘要：一个实施方式的秘密决策树学习装置是一种通过秘密计算使决策树进行学习的秘密决策树学习装置，其具有：输入部，输入由多个记录构成的数据集合，所述多个记录包括1个以上的说明变量的属性值和目标变量的属性值；及学习部，按照所述决策树的每个层次，集中进行所述层次中包含的所有节点的所述数据集合的划分，由此使所述决策树进行学习。
秘密决策树学习装置系统学习方法程序

[发明专利]基于画布上连接的可定位元素配置通信决策树的方法-CN202310912579.8在审
发明人： T·U·罗伯茨;M·皮尔马因;J·斯坦尼比;K·约迪;K·苏特哈科恩 -专利权人：甲骨文国际公司
申请日： 2018-09-18 - 公布日： 2023-10-27 - 主分类号： G06F3/04817 文献下载
摘要：本发明涉及基于画布上连接的可定位元素配置通信决策树的方法。实施例针对使用通信决策树，该通信决策树被配置为使用机器学习技术来动态地定义通过该通信决策树的各条轨迹以指示一系列通信规范，其中通过使用机器学习技术处理用户数据来生成学习到的数据。根据基于学习到的数据和用户属性识别出的通信规范将内容传输到用户设备。同时，提供包括可以在其上定义决策树的画布的界面。
基于画布连接定位元素配置通信决策树方法

[发明专利]一种基于敏感度实现清晰决策树与模糊决策树的攻击方法-CN202010207227.9有效
发明人：郑娟;陈百基 -专利权人：华南理工大学
申请日： 2020-03-23 - 公布日： 2023-03-24 - 主分类号： G06F21/57 文献下载
摘要：本发明公开了一种基于敏感度实现清晰决策树与模糊决策树的攻击方法，包括：获取数据并进行数据处理；将处理后的数据划分为训练集和测试集，通过从训练样本中学习，测试集上验证，获得清晰决策树和模糊决策树；利用学习到的清晰决策树和模糊决策树的模型信息，计算样本被分为真实类别的置信度，计算特征的敏感度；选择有最大敏感度的特征进行修改；迭代获得伪造的攻击样本；将伪造的攻击样本集攻击学习到的决策树，比较决策树在测试集和伪造的样本集上的准确率，进而对攻击进行评估本发明基于特征敏感度信息，减少对攻击目标的模型信息了解量；开辟了研究模糊系统在恶意环境中的鲁棒性的道路，发现数据模糊化对机器学习模型的鲁棒性的提升。
一种基于敏感度实现清晰决策树模糊攻击方法

[发明专利]一种可增量学习的决策树生成方法、系统、设备及终端-CN202310514897.9在审
发明人：曹莉茹;刘汪洋;饶晓辉 -专利权人：深圳市网联安瑞网络科技有限公司
申请日： 2023-05-08 - 公布日： 2023-08-01 - 主分类号： G06N5/01 文献下载
摘要：本发明属于数据处理技术领域，公开了一种可增量学习的决策树生成方法、系统、设备及终端，可增量学习的决策树生成方法包括：基于训练数据建立字典，记录训练数据集中各特征各属性值组合的样本信息，并构造用于记录所述数据在字典中索引值的目录，构建决策树模型；进行决策树模型训练，根据特征值组合统计需要更新的样本信息，更新字典与目录，更新决策树模型。本发明的可增量学习的决策树生成方法能够在多次更新数据集或引入大量新样本、引入新特征或类别、样本各特征的分布情况有较大改变的情况下，无需保存所有样本数据，更新的决策树与基于全部样本数据生成的决策树模型一致
一种增量学习决策树生成方法系统设备终端

[发明专利]基于画布上连接的可定位元素配置通信决策树的方法和系统-CN201880069172.0有效
发明人： T·U·罗伯茨;M·皮尔马因;J·斯坦尼比;K·约迪;K·苏特哈科恩 -专利权人：甲骨文国际公司
申请日： 2018-09-18 - 公布日： 2023-08-15 - 主分类号： G06F3/0484 文献下载
摘要：实施例针对使用通信决策树，该通信决策树被配置为使用机器学习技术来动态地定义通过该通信决策树的各条轨迹以指示一系列通信规范，其中通过使用机器学习技术处理用户数据来生成学习到的数据。根据基于学习到的数据和用户属性识别出的通信规范将内容传输到用户设备。同时，提供包括可以在其上定义决策树的画布的界面。
基于画布连接定位元素配置通信决策树方法系统

[发明专利]使用迭代人工智能通过通信决策树的指引轨迹-CN201880069220.6有效
发明人： T·U·罗伯茨;M·皮尔马因;J·斯坦尼比;K·约迪;K·苏特哈科恩 -专利权人：甲骨文国际公司
申请日： 2018-09-18 - 公布日： 2023-09-15 - 主分类号： G06N20/00 文献下载
摘要：实施例针对使用通信决策树，该通信决策树被配置为使用机器学习技术来动态地定义通过该通信决策树的各条轨迹以指示一系列通信规范，其中通过使用机器学习技术处理用户数据来生成学习到的数据。根据基于学习到的数据和用户属性识别出的通信规范将内容传输到用户设备。同时，提供包括可以在其上定义决策树的画布的界面。
使用人工智能通过通信决策树指引轨迹

[发明专利]基于深度Boosting决策树的欺诈检测方法-CN202310735647.8在审
发明人：王尧;许彪;王开东 -专利权人：西安交通大学
申请日： 2023-06-20 - 公布日： 2023-09-08 - 主分类号： G06F18/2415 文献下载
摘要：本发明公开一种基于深度Boosting决策树的欺诈检测方法，包括S1、提取原始欺诈数据；S2、清理和预处理欺诈数据得到适用于深度学习框架输入的数据；S3、构建深度Boosting决策树模型用于预测欺诈行为的发生；本发明方法建立神经网络来学习决策树的分裂准则，挖掘了欺诈数据中的特征表征信息，并通过迭代算法保证决策树分裂的有效性；采用Boosting方法降低传统决策树存在的过拟合缺陷，通过Boosting方法降低决策树模型过拟合风险，提高了传统Boosting方法的泛化性能；通过组合深度AUC最大化算法将深度Boosting决策树应用于非均衡数据学习过程中，保证了算法的稳定性和可靠性。
基于深度 boosting 决策树欺诈检测方法

[发明专利]一种基于决策树的数据库本体学习优化方法-CN201910588441.0在审
发明人：刘秀磊;丁嘉伟;刘旭红;张良;曹建制 -专利权人：北京信息科技大学
申请日： 2019-07-01 - 公布日： 2019-10-25 - 主分类号： G06F16/36 文献下载
摘要：本发明提供了一种基于决策树的数据库本体学习优化方法，包括以下步骤：确定待分类的源数据属性表；利用预设算法对所述源数据属性表进行训练，生成属性决策树；基于生成的属性决策树，使用OWL本体语言构建源数据本体，读取数据库表字段作为本体中类的属性；基于生成的属性决策树，使用OWL本体语言构建源数据本体类，读取决策树中各选择枝作为属性，构建最终决策类。本发明由决策树算法处理后的数据可以用本体有效表示与存储，与数据库学习直接生成的本体对比，由数据库生成的决策树可以为本体添加更多的约束规则，发现的隐藏规则可以作为现有本体的填充。此外，使用本体学习技术可以让机器代替手工节省大量人力成本。
决策树源数据读取数据库本体语言构建属性表数据库学习决策树算法数据库生成人力成本有效表示预设算法约束规则最终决策构建填充优化存储分类发现

[发明专利]一种联邦学习方法、装置、设备、存储介质及计算机程序-CN202111264081.2在审
发明人：程勇;蒋杰;韦康;刘煜宏;陈鹏;陶阳宇 -专利权人：腾讯科技（深圳）有限公司
申请日： 2021-10-27 - 公布日： 2022-04-05 - 主分类号： G06N20/20 文献下载
摘要：本申请公开了一种联邦学习方法、装置、设备、存储介质及计算机程序，涉及计算机技术领域。该方法包括：从训练数据集对应的数据特征中确定至少一个目标特征；以至少一个目标特征为模型构建基础，得到n个候选决策树模型；基于n个候选决策树模型对训练数据集中训练数据的预测结果，从n个候选决策树模型中确定目标决策树模型；将目标决策树模型发送至第二计算设备，第二计算设备对包括目标决策树模型的至少两个决策树模型进行融合，得到联邦学习模型。通过以上方式，第一计算设备在保护数据隐私的条件下向第二计算设备进行一次决策树模型发送，使得构建联邦学习模型的过程更便捷。本申请可应用于云技术、人工智能、智慧交通等各种场景。
一种联邦学习方法装置设备存储介质计算机程序

[发明专利]一种学习内容推荐方法及系统-CN201811260436.9在审
发明人：魏誉荧 -专利权人：广东小天才科技有限公司
申请日： 2018-10-26 - 公布日： 2019-03-08 - 主分类号： G06Q50/20 文献下载
摘要：本发明属于内容推荐技术领域，公开了一种学习内容推荐方法及系统，其方法包括：S100获取用户在学习设备上的学习记录表，学习记录表包括多条学习记录，每条学习记录包括学习内容的属性及对应的学习时长；S200根据学习记录表生成推荐决策树；S300根据每条学习记录对应的学习时长，对推荐决策树中与每条学习记录对应的节点加权；S400根据加权后推荐决策树的节点的权重值，向用户推荐学习内容。本发明根据用户的学习记录表生成推荐决策树，然后根据推荐决策树中的节点的权重值向用户推荐学习内容，使得向用户推荐的学习内容是与用户的学习记录高度相关的内容，提高了推荐效率和推荐准确度。
学习内容决策树学习记录表用户推荐记录权重时长加权内容推荐学习设备准确度

[发明专利]决策树的生成方法、装置、电子设备及存储介质-CN202010560643.7在审
发明人：希滕;张刚;温圣召 -专利权人：北京百度网讯科技有限公司
申请日： 2020-06-18 - 公布日： 2020-11-10 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了决策树的生成方法、装置、电子设备及存储介质，涉及人工智能技术和深度学习领域，可应用于图像处理。具体实现方案为：先生成决策树搜索空间，再根据决策树搜索空间生成待训练决策树；接着，对待训练决策树进行训练并进行性能评估，当评估结果不满足评分要求时对待训练决策树进行迭代更新，直至评估结果满足评分要求或者对待训练决策树的迭代更新次数达到预设迭代次数通过本申请实现了决策树的自动生成，在决策树搜索空间中进行自动搜索以生成决策树，可以使得最终生成的决策树的整体性能较好，避免了现有技术中基于贪婪策略生成的决策树仅能使得子节点相对于父节点较优，无法保证决策树的整体性能优的问题，提高了决策树的鲁棒性。
决策树生成方法装置电子设备存储介质

[发明专利]一种用于理解深度学习模型目标分类决策机制的决策树生成方法-CN202010271181.7有效
发明人：王念滨;柳扬;张耘;王红滨;周连科;张毅;厉原通 -专利权人：哈尔滨工程大学
申请日： 2020-04-08 - 公布日： 2023-06-13 - 主分类号： G06V10/774 文献下载
摘要：一种用于理解深度学习模型决策机制的决策树生成方法，它属于深度学习模型的决策机制理解技术领域。本发明解决了在现有基于决策树的深度学习模型决策机制理解方法中需要对深度学习模型进行特殊处理，产生的理解效果有限，且现有方法复杂，对模型决策机制的理解造成影响的问题。本发明利用训练好的深度学习模型，通过使用局部解释的方法来得到输入变量的贡献值，从而最终构建出贡献分布矩阵。将贡献分布矩阵作为输入，利用平均贡献值差异作为划分标准，递归地分区生成模型的决策树，再对生成的决策树进行剪枝、验证最终得到最优解释树。本发明可以应用于深度学习模型的决策机制理解。
一种用于理解深度学习模型目标分类决策机制决策树生成方法

[发明专利]基于决策树的预测方法、装置、设备、介质及程序产品-CN202011642783.5在审
发明人：周雨豪 -专利权人：深圳前海微众银行股份有限公司
申请日： 2020-12-30 - 公布日： 2021-04-23 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及联邦学习技术领域，公开了一种基于决策树的预测方法、装置、设备、介质及程序产品，该方法包括：获取客户端的目标决策树分类模型；获取目标样本，并将目标样本输入至目标决策树分类模型，以通过目标决策树分类模型获得目标样本的预测分类结果；调用预设模型无关解释方法对通过目标决策树分类模型获得目标样本的预测分类结果的预测过程进行解释分析，以获得预测分类结果的分类特征解释结果，相比于现有技术采用深度学习模型进行基于决策树的预测，本发明采用决策树分类模型进行基于决策树的预测降低了模型成本
基于决策树预测方法装置设备介质程序产品

[发明专利]基于提升决策树的钢琴乐谱难度识别方法-CN201910987180.X在审
发明人：闫晗晗;李锵;关欣 -专利权人：天津大学
申请日： 2019-10-17 - 公布日： 2020-02-28 - 主分类号： G06K9/00 文献下载
摘要：本发明属于机器学习领域，为使得钢琴乐谱难度等级识别可获得更高的准确性和稳定性，为钢琴教学和学生学习提供可靠地钢琴难度信息，提高乐谱网站的用户体验。为此，本发明采取的技术方案是，基于提升决策树的钢琴乐谱难度识别方法，建立基于网格搜索的多分类提升决策树的学习算法xgboost模型，利用测试集对建立的所述模型进行准确率检测、优化，利用完成优化的所述模型对钢琴乐谱难度进行分类；其中，以决策树为基函数，XGBoost模型由多个决策树组成，后面的决策树将拟合前面的残差，最终得到的预测值是所有决策树测试结果的和。
基于提升决策树钢琴乐谱难度识别方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条