[发明专利]模型分析方法及装置

权利要求书

1.一种模型分析方法，其特征在于，所述方法包括以下步骤：

A、基于预设数量的客户信息样本，训练多种预先确定的模型；

B、将训练的多种模型按照预先确定的组合规则组合成复合模型，并在收到待分析的客户信息后，将该待分析的客户信息输入所述复合模型以输出分析结果；

所述基于预设数量的客户信息样本，训练多种预先确定的模型的步骤包括：

C、在训练一种预先确定的模型过程中，每训练一次后，将各个客户信息样本分别输入当前训练的模型中以确定出模型分析错误的客户信息样本；

D、计算出模型分析错误的客户信息样本数量占所有客户信息样本数量的比例是否小于预设阈值；

E、若模型分析错误的客户信息样本数量占所有客户信息样本数量的比例小于预设阈值，则该预先确定的模型训练结束；

F、若模型分析错误的客户信息样本数量占所有客户信息样本数量的比例大于或者等于预设阈值，则按照预设的比例增加幅度在总客户信息样本中增加与模型分析错误的客户信息样本属于同一类型的客户信息样本的比重，并按照预设的比例减少幅度在总客户信息样本中减少模型分析正确的客户信息样本的比重，并将调整后的客户信息样本作为新的训练样本重新进行训练，然后返回步骤C，循环直至训练模型的准确率达到要求。

2.如权利要求1所述的模型分析方法，其特征在于，所述预先确定的模型的数量为N，N为大于2的自然数，第i个预先确定的模型记为Fi，i为小于或者等于N的正整数，所述将训练的多种模型按照预先确定的组合规则组合成复合模型为：

所述复合模型＝(1/N)*F1+(1/N)*F2+……+(1/N)*FN。

3.如权利要求1所述的模型分析方法，其特征在于，所述预先确定的模型的数量为N，N为大于2的自然数，第i个预先确定的模型记为Fi，i为小于或者等于N的正整数，所述将训练的多种模型按照预先确定的组合规则组合成复合模型为：

所述复合模型＝POWER(F1,1/N)*POWER(F2,1/N)*……*POWER(FN,1/N)，其中，POWER(Fi,1/N)是对Fi模型分析出的结果求N次方根。

4.如权利要求1所述的模型分析方法，其特征在于，所述预先确定的模型的数量为N，N为大于2的自然数，第i个预先确定的模型记为Fi，i为小于或者等于N的正整数，所述将训练的多种模型按照预先确定的组合规则组合成复合模型为：

所述复合模型＝N/(1/F1+1/F2+……+1/FN)。

5.一种模型分析装置，其特征在于，所述装置包括：

训练模块，用于基于预设数量的客户信息样本，训练多种预先确定的模型；

组合模块，用于将训练的多种模型按照预先确定的组合规则组合成复合模型，并在收到待分析的客户信息后，将该待分析的客户信息输入所述复合模型以输出分析结果；

所述训练模块包括：

确定单元，用于在训练一种预先确定的模型过程中，每训练一次后，将各个客户信息样本分别输入当前训练的模型中以确定出模型分析错误的客户信息样本；

计算单元，用于计算出模型分析错误的客户信息样本数量占所有客户信息样本数量的比例是否小于预设阈值；

结束单元，用于若模型分析错误的客户信息样本数量占所有客户信息样本数量的比例小于预设阈值，则结束该预先确定的模型训练；

调整单元，用于若模型分析错误的客户信息样本数量占所有客户信息样本数量的比例大于或者等于预设阈值，则按照预设的比例增加幅度在总客户信息样本中增加与模型分析错误的客户信息样本属于同一类型的客户信息样本的比重，并按照预设的比例减少幅度在总客户信息样本中减少模型分析正确的客户信息样本的比重，并将调整后的客户信息样本作为新的训练样本重新进行训练，然后返回调用所述确定单元，循环直至训练模型的准确率达到要求。

6.如权利要求5所述的模型分析装置，其特征在于，所述预先确定的模型的数量为N，N为大于2的自然数，第i个预先确定的模型记为Fi，i为小于或者等于N的正整数，所述将训练的多种模型按照预先确定的组合规则组合成复合模型为：

所述复合模型＝(1/N)*F1+(1/N)*F2+……+(1/N)*FN。