[发明专利]交易风险策略推荐方法、装置、服务器及存储介质

权利要求书

1.一种交易风险策略推荐方法，包括：

获取有关风险交易的样本数据；

将所述样本数据划分为多组不同的预测集和训练集，利用训练集分多次训练出多个决策树；

对于每棵决策树采取该决策树对应的预测集进行预测；

统计各叶子节点被预测集数据击中的次数，选择被击中次数最多的叶子节点的规则路径进行策略推荐。

2.根据权利要求1所述的方法，所述样本数据是新增风险对应的样本数据，且包括黑样本数据和白样本数据；所述样本数据具有事件标识变量、黑白样本标签变量、是否为已有策略的稽核事件变量、风险策略变量中的任一项或任几项组合。

3.根据权利要求2所述的方法，在所述获取有关风险交易的样本数据之后，还包括：对样本数据进行预处理；

所述对样本数据进行预处理包括：对数据中的缺失值进行补充、将字符型变量转换为数值型变量、根据事件标识对数据进行去重处理、对数据进行平滑处理中的任一项或任几项组合。

4.根据权利要求1所述的方法，所述将所述样本数据划分为多组不同的预测集和训练集包括：

将所述样本数据划分为预置数目的分段；

任选一个分段作为预测集，其余分段的数据集合作为训练集，构成所述多组中的其中一组预测集和训练集。

5.根据权利要求1-4任一项所述的方法，还包括：

计算每个叶子节点的新增覆盖率和新增打扰率；

在新增打扰率小于预置的最大新增打扰率阈值的条件下，确定具有最大新增覆盖率的叶子节点；

在进行策略推荐过程中，对于被击中次数相同的叶子节点，优先选择具有最大新增覆盖率的叶子节点的规则路径进行策略推荐。

6.根据权利要求5所述的方法，

所述叶子节点的新增覆盖率是指所述叶子节点击中的总黑样本数与所述叶子节点击中的已有策略稽核黑样本数的差值与所有黑样本数的比值；

所述叶子节点的新增打扰率是指所述叶子节点击中的总白样本数与所述叶子节点击中的已有策略稽核白样本数的差值与所有白样本数的比值。

7.一种交易风险策略推荐装置，包括：

获取单元，用于获取有关风险交易的样本数据；

分组单元，用于将所述样本数据划分为多组不同的预测集和训练集

训练单元，用于利用训练集分多次训练出多个决策树；

预测单元，用于对于每棵决策树采取该决策树对应的预测集进行预测；

推荐单元，用于统计各叶子节点被预测集数据击中的次数，选择被击中次数最多的叶子节点的规则路径进行策略推荐。

8.根据权利要求7所述的装置，所述样本数据是新增风险对应的样本数据，且包括黑样本数据和白样本数据；所述样本数据具有事件标识变量、黑白样本标签变量、是否为已有策略的稽核事件变量、风险策略变量。

9.根据权利要求8所述的装置，还包括：

预处理单元，用于对样本数据进行预处理；

所述预处理单元具体用于，对数据中的缺失值进行补充、将字符型变量转换为数值型变量、根据事件标识对数据进行去重处理、对数据进行平滑处理中的任一项或任几项组合。

10.根据权利要求7所述的装置，所述分组单元具体用于：将所述样本数据划分为预置数目的分段；任选一个分段作为预测集，其余分段的数据集合作为训练集，构成所述多组中的其中一组预测集和训练集。

11.根据权利要求7-10任一项所述的装置，还包括计算单元；

所述计算单元，用于计算每个叶子节点的新增覆盖率和新增打扰率；在新增打扰率满足小于预置的最大新增打扰率阈值的条件下，确定具有最大新增覆盖率的叶子节点；

所述推荐单元，还用于在策略推荐过程中，对于被击中次数相同的叶子节点，优先选择具有最大新增覆盖率的叶子节点的规则路径进行策略推荐。