[发明专利]行为数据分类方法、分类模型训练方法及装置

说明书

本发明公开了一种行为数据分类方法、分类模型训练方法及装置，属于大数据技术领域。所述方法包括：获取待分类数据，待分类数据包括多个原始变量的特征值；将多个原始变量的特征值输入分类模型，基于分类模型中的指定分类器以及指定分类器的特征值，获取多个原始变量的至少一个衍生变量以及至少一个衍生变量的特征值；在分类模型中基于多个原始变量的特征值、至少一个衍生变量的特征值，得到待分类数据的类别。其中，指定分类器为待分类数据符合的分类条件所对应的分类器。本发明减少了待分类数据的衍生变量数量，从而加快了数据分类的过程的计算速度。

技术领域

本发明涉及大数据技术领域，特别涉及一种行为数据分类方法、分类模型训练方法及装置。

背景技术

随着大数据技术的发展，网络中的数据飞速增长。为了分析和应用数据，经常需要对数据进行分类，例如在信用风险评估的场景中，数据可以为信贷记录、投资记录、消费信息等，需要将数据分类为所属用户会违约的数据或不会违约的数据。

目前数据分类的过程基于One hot encoding(一位有效编码)算法实现：在得到待分类数据后，将已训练的多棵决策树中的每颗决策树中的每个叶子节点的分类条件均作为该待分类数据的衍生变量，即若有N个叶子节点则会有N个衍生变量。对于每个叶子节点，当待分类数据符合该叶子节点对应的分类条件时，将该叶子节点对应的衍生变量的特征值取1，当待分类数据不符合该叶子节点对应的分类条件时，将该叶子节点对应的衍生变量的特征值取0，这样得到待分类数据的所有衍生变量的特征值后，基于该待分类数据中多个原始变量的特征值、所有衍生变量的特征值进行计算，得到待分类数据的类别。

在实现本发明的过程中，发明人发现相关技术至少存在以下问题：

待分类数据的衍生变量过多，导致数据分类的过程计算量过大，影响了计算速度。

发明内容

本发明实施例提供了一种行为数据分类方法、分类模型训练方法及装置，能够解决相关技术中数据分类的过程计算量过大的问题。所述技术方案如下：

一方面，提供了一种行为数据分类方法，所述方法包括：

获取待分类数据，所述待分类数据包括多个原始变量的特征值；

将所述多个原始变量的特征值输入分类模型，基于所述分类模型中的指定分类器以及所述指定分类器的特征值，获取所述多个原始变量的至少一个衍生变量以及所述至少一个衍生变量的特征值；

在所述分类模型中基于所述多个原始变量的特征值、所述至少一个衍生变量的特征值，得到所述待分类数据的类别；

其中，所述分类模型为基于多个样本数据以及基于所述多个样本数据的原始变量所得到的衍生变量训练得到的模型，所述指定分类器为所述待分类数据符合的分类条件所对应的分类器，所述指定分类器的特征值基于训练所述指定分类器的正样本数据的数量和负样本数据的数量确定。

一方面，提供了一种分类模型训练方法，所述方法包括：

获取多个样本数据，所述多个样本数据包括多个原始变量的特征值和类别；

对于所述多个样本数据中的每个样本数据，当所述样本数据符合已训练的多个分类器中的任一分类器对应的分类条件时，将所述分类条件作为所述样本数据的衍生变量；

将所述分类器的特征值作为所述衍生变量的特征值，得到所述样本数据的至少一个衍生变量的特征值，其中，所述分类器的特征值基于训练所述分类器的正样本数据的数量和负样本数据的数量确定；

基于所述多个样本数据的原始变量的特征值、类别和衍生变量的特征值进行训练，得到分类模型，所述分类模型用于对待分类数据进行分类。

一方面，提供了一种行为数据分类装置，所述装置包括：