[发明专利]风险模型训练方法、风险识别方法、装置、设备及介质

说明书

本发明公开了一种风险模型训练方法、风险识别方法、装置、设备及介质，该风险模型训练方法包括：对历史出行数据进行风险值标注，获取原始训练数据；对所述原始训练数据进行同行分析和口岸漂移分析，获取目标训练数据；按照预设时间对所述目标训练数据进行拆分，获取训练集和测试集；采用决策树算法对训练集中的目标训练数据进行训练，获取原始风险模型；采用测试集对原始风险模型进行测试，获取目标风险模型。该风险模型训练方法有效解决了当前风险模型的识别效率低且模型的准确率不高的问题。

技术领域

本发明涉及数据预测领域，尤其涉及一种风险模型训练方法、风险识别方法、装置、设备及介质。

背景技术

目前，基于运输业的风险模型主要用于识别运输对象的风险，尤其是用于训练和识别运输对象的犯罪风险。现有基于运输业的风险模型的因子对模型影响不大。例如：现有风险模型包括运输对象的出行时间点、出行地点、性别、出生年月和证件类型等模型因子。这些模型因子的数量较少且蕴含风险的相关信息量较少，使得只采用这些模型因子进行训练所得到的风险模型的识别效率低且风险模型识别的准确率不高。

发明内容

本发明实施例提供一种风险模型训练方法、风险识别方法、装置、设备及介质，以解决当前风险模型的识别效率低和准确率不高的问题。

第一方面，本发明实施例提供一种风险模型训练方法，包括：

对历史出行数据进行风险值标注，获取原始训练数据；

对所述原始训练数据进行同行分析和口岸漂移分析，获取目标训练数据；

按照预设时间对所述目标训练数据进行拆分，获取训练集和测试集；

采用决策树算法对训练集中的目标训练数据进行训练，获取原始风险模型；

采用测试集对原始风险模型进行测试，获取目标风险模型。

第二方面，本发明实施例提供一种风险模型训练装置，包括：

原始训练数据获取模块，用于对历史出行数据进行风险值标注，获取原始训练数据；

目标训练数据获取模块，用于对所述原始训练数据进行同行分析和口岸漂移分析，获取目标训练数据；

目标训练数据划分模块，用于按照预设时间对所述目标训练数据进行拆分，获取训练集和测试集；

原始风险模型获取模块，用于采用决策树算法对训练集中的目标训练数据进行训练，获取原始风险模型；

目标风险模型获取模块，用于采用测试集对原始风险模型进行测试，获取目标风险模型。

第三方面，本发明实施例提供一种风险识别方法，包括：

获取待识别出行数据；

将所述待识别出行数据输入到所述目标风险模型进行识别，获取风险识别结果；

其中，所述目标风险模型是采用第一方面所述风险模型训练方法获取的模型。

第四方面，本发明实施例提供一种风险识别装置，包括：

待识别出行数据获取模块，用于获取待识别出行数据；

风险识别结果获取模块，用于将所述待识别出行数据输入到所述目标风险模型进行识别，获取风险识别结果；

其中，所述目标风险模型是采用第一方面所述风险模型训练方法获取的模型。

第五方面，本发明实施例提供一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述风险模型训练方法的步骤；或者，所述处理器执行所述计算机程序时实现所述风险识别方法的步骤。