[发明专利]多方联合建模方法、装置、设备及储存介质

说明书

本公开提供一种基于分布式系统的多方联合建模方法，涉及机器学习、安全计算等领域。多方联合建模方法包括：对所述多个集群中的每一个集群包括的样本标识求交，得到交集样本标识以及所述多个集群中的每一个集群包括的与所述交集样本标识对应的集群样本数据，其中，所述多个集群中的每一个集群包括的所述样本标识和所述集群样本数据均分布保存在该相应集群的多个客户端中；对所述多个集群中的每一个集群的集群样本数据分别进行分桶，以得到所述多个集群中的每一个集群的集群分桶数据；基于样本标签和所述多个集群中的每一个集群的集群分桶数据，构建全局信息增益直方图；以及基于所述全局信息增益直方图，构建决策树模型。

技术领域

本公开涉及机器学习、安全计算等领域，更具体地，涉及一种多方联合建模方法、装置、设备及储存介质。

背景技术

随着算法和大数据的发展，算法和算力已经不再是阻碍AI发展的瓶颈了。各个领域内真实有效的数据源才是最宝贵的资源。同时数据源之间存在着难以打破的壁垒，在大多数行业中，数据是以孤岛的形式存在的，由于行业竞争、隐私安全、行政手续复杂等问题，即使是在同一个公司的不同部门之间实现数据整合也面临着重重阻力，在现实中想要将分散在各地、各个机构的数据进行整合几乎是不可能的，或者说所需的成本是巨大的。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

根据本公开的一方面，提供了一种多方联合建模方法，包括：对多个集群中的每一个集群包括的样本标识求交，得到交集样本标识以及多个集群中的每一个集群包括的与交集样本标识对应的集群样本数据，其中，多个集群中的每一个集群包括的样本标识和集群样本数据均分布保存在该相应集群的多个客户端中；对多个集群中的每一个集群的集群样本数据分别进行分桶，以得到多个集群中的每一个集群的集群分桶数据；基于样本标签和多个集群中的每一个集群的集群分桶数据，构建全局信息增益直方图，其中，样本标签为每个样本的真实值，并且样本标签保存在多个集群中的一个特定集群；以及基于全局信息增益直方图，构建决策树模型。

根据本公开的另一方面，还提供了一种基于分布式系统的多方联合预测方法，包括：将预测样本输入决策树模型；针对决策树模型的每一棵子决策树，获取根节点的所属集群；与集群通信，获取根节点的特征；将预测样本的所述根节点的特征的特征数据发送至节点所属集群，获取子节点的所属集群；迭代上述过程，获取所述每一棵子决策树对预测样本的预测值；以及将每一棵子决策树对预测样本的预测值求和，得到预测样本的预测值。

根据本公开的一方面，提供了一种基于分布式系统的多方联合建模装置，包括：求交模块，被配置用于将所述多个集群包括的数据进行求交，使所述多个集群中的每一个得到相应的集群样本数据；分桶模块，被配置用于对所述多个集群中每一个的集群样本数据分别进行分桶，得到所述多个集群中每一个的集群分桶数据；第一构建模块，被配置用于基于样本标签和所述多个集群分桶数据，构建全局信息增益直方图；以及第二构建模块，被配置用于基于所述全局信息增益直方图，构建决策树模型。

根据本公开的另一方面，还提供了一种电子设备，包括：处理器；以及存储程序的存储器，上述程序包括指令，并且指令在由处理器执行时使处理器执行根据上述的多方联合建模方法和/或根据上述的多方联合预测方法。

根据本公开的另一方面，还提供了一种存储程序的计算机可读存储介质，上述程序包括指令，并且指令在由电子设备的处理器执行时，致使电子设备执行根据上述的多方联合建模方法和/或根据上述的多方联合预测方法。

本公开的技术方案通过对分布式数据进行分桶以及对分布式数据构建信息增益直方图，实现了基于分布式系统的多方联合建模方法，从而提升多方联合建模的速度，并且能够在数据量大的场景下完成建模。

附图说明