[发明专利]用户作弊种类预测模型中参数的调整方法、装置及设备

权利要求书

1.一种用户作弊种类预测模型中参数的调整方法，其特征在于，所述方法包括：

设置用户作弊种类预测模型中多个特征权重参数的值；

获取多个用户各自对应的多个特征数据和实际作弊种类，形成多个训练样本；

从所述多个特征权重参数中选取一个特征权重参数；

根据所述多个训练样本，确定所述用户作弊种类预测模型在当前选取特征权重参数的多个参数取值下的预测错误率；

将所述用户作弊种类预测模型中所述当前选取特征权重参数的值调整为所述预测错误率的最小值对应的参数取值；

根据所述最小值，判断是否满足第一停止条件；若是，则结束所述方法；若否，则从未调整过的特征权重参数中重新选取一个特征权重参数，作为所述当前选取特征权重参数，返回所述根据所述多个训练样本，并确定所述用户作弊种类预测模型在当前选取特征权重参数的多个参数取值下的预测错误率的步骤。

2.如权利要求1所述的方法，其特征在于，所述设置用户作弊种类预测模型中多个特征权重参数的值，采用如下方式：

将所述多个特征权重参数的值设置为预设值或随机数。

3.如权利要求1所述的方法，其特征在于，所述设置用户作弊种类预测模型中多个特征权重参数的值，采用如下方式：

通过机器学习算法,从所述多个训练样本中学习获得所述多个特征权重参数的值。

4.如权利要求1所述的方法，其特征在于，所述第一停止条件包括以下条件：

所述当前选取特征权重参数对应的所述最小值小于第一预设阈值。

5.如权利要求1所述的方法，其特征在于，当调整过至少两个特征权重参数时,所述第一停止条件包括以下条件：

所述当前选取特征权重参数和上一次选取特征权重参数各自对应的所述最小值的差值在预设范围内。

6.如权利要求1所述的方法，其特征在于，所述预测错误率采用如下步骤确定：

通过所述用户作弊种类预测模型获得所述多个用户各自的用户健康度得分；

根据所述用户健康度得分和第二预设阈值，确定所述多个用户各自的作弊种类的预测值；

比较各个用户的所述实际作弊种类和所述预测值，获得所述实际作弊种类和所述预测值不一致的用户数量；

将所述用户数量与所述多个用户的用户总数量的比值作为所述预测错误率。

7.如权利要求6所述的方法，其特征在于，所述预测值采用如下步骤确定：

将所述用户健康度得分归一化；

若所述用户健康度得分的归一化值大于或等于所述第二预设阈值，则确定所述预测值为作弊；

若所述用户健康度得分的归一化值小于所述第二预设阈值，则确定所述预测值为未作弊。

8.一种用户作弊种类预测模型中参数的调整装置，其特征在于，所述装置包括：

参数值设置单元,用于设置用户作弊种类预测模型中多个特征权重参数的值；

训练样本获取单元,用于获取多个用户各自对应的多个特征数据和实际作弊种类，形成多个训练样本；

参数选取单元,用于从所述多个特征权重参数中选取一个未调整过的特征权重参数；

预测错误率确定单元,用于根据所述多个训练样本，确定所述用户作弊种类预测模型在当前选取特征权重参数的多个参数取值下的预测错误率；

参数值调整单元,用于将所述用户作弊种类预测模型中所述当前选取特征权重参数的值调整为所述预测错误率的最小值对应的参数取值；

第一停止条件判断单元，用于根据所述最小值，判断是否满足第一停止条件；若否，则启动所述参数选取单元。