[发明专利]分类器的训练系统及方法、异常样本的识别方法

权利要求书

1.一种用于异常样本识别的分类器的训练方法，所述异常样本为存在异常数据的财务报表，其特征在于，包括以下步骤：

构造训练样本，将因财务异常而被处罚的企业的处罚当年的财务年报作为负样本，其余时间对应的财务年报作为正样本；

基于样本中记录的字段，构造出占比型特征和增长率型特征；占比型特征是指体现所占比例的特征，增长率型特征是指体现增长率的特征；

将构造的占比型特征和增长率型特征进行全组合，并使用聚类算法对所有样本进行聚类，得到每个样本的欧式距离；

将构造的占比型特征和增长率型特征进行全组合，使用线性回归算法对所有样本进行回归计算，并得到每个样本的回归相对误差；

将所述欧式距离和所述回归相对误差作为样本的特征，基于监督学习算法在训练集上进行训练，得到所述分类器。

2.根据权利要求1所述的方法，其特征在于，在构造出占比型特征和增长率型特征之前，还包括步骤：对样本中的数据进行预处理，剔除信息不完整的样本。

3.一种用于异常样本识别的分类器的训练系统，所述异常样本为存在异常数据的财务报表，其特征在于，包括：

样本构造模块，用于构造训练样本，将因财务异常而被处罚的企业的处罚当年的财务年报作为负样本，其余时间对应的财务年报作为正样本；

特征构造模块，用于基于样本中记录的字段，构造出占比型特征和增长率型特征；占比型特征是指体现所占比例的特征，增长率型特征是指体现增长率的特征；

聚类模块，用于将构造的占比型特征和增长率型特征进行全组合，并使用聚类算法对所有样本进行聚类，得到每个样本的欧式距离；

回归模块，用于将构造的占比型特征和增长率型特征进行全组合，使用线性回归算法对所有样本进行回归计算，并得到每个样本的回归相对误差；

训练模块，用于将所述欧式距离和所述回归相对误差作为样本的特征，基于监督学习算法在训练集上进行训练，得到所述分类器。

4.根据权利要求3所述的系统，其特征在于，还包括预处理模块：用于对样本中的数据进行预处理，剔除信息不完整的样本。

5.一种异常样本的识别方法，所述异常样本为存在异常数据的财务报表，其特征在于，包括以下步骤：

基于待识别样本中记录的字段，构造出占比型特征和增长率型特征，所述待识别样本为企业的财务报表；占比型特征是指体现所占比例的特征，增长率型特征是指体现增长率的特征；

将构造的占比型特征和增长率型特征进行全组合，并使用聚类算法对待识别样本进行聚类，得到待识别样本的欧式距离；

将构造的占比型特征和增长率型特征进行全组合，使用线性回归算法对待识别样本进行回归计算，并得到待识别样本的回归相对误差；

将所述欧式距离和所述回归相对误差作为样本的特征，输入预先训练的分类器，输出得到该待识别样本为异常样本的概率值。

6.根据权利要求5所述的方法，其特征在于，所述分类器经过以下步骤训练得到：

构造训练样本，将因财务异常而被处罚的企业的处罚当年的财务年报作为负样本，其余时间对应的财务年报作为正样本；

基于样本中记录的字段，构造出占比型特征和增长率型特征；

将构造的占比型特征和增长率型特征进行全组合，并使用聚类算法对所有样本进行聚类，得到每个样本的欧式距离；

将构造的占比型特征和增长率型特征进行全组合，使用线性回归算法对所有样本进行回归计算，并得到每个样本的回归相对误差；

将所述欧式距离和所述回归相对误差作为样本的特征，基于监督学习算法在训练集上进行训练，得到所述分类器。

7.一种包括计算机可读指令的计算机可读存储介质，其特征在于，所述计算机可读指令在被执行时使处理器执行权利要求1或2或5或6所述方法中的操作。

8.一种电子设备，其特征在于，所述的设备包括：

存储器，存储程序指令；

处理器，与所述存储器相连接，执行存储器中的程序指令，实现权利要求1或2或5或6所述方法中的步骤。