[发明专利]拒客回捞模型训练方法、装置及电子设备

权利要求书

1.一种拒客回捞模型训练方法，其特征在于，所述方法包括：

获取包括多个用户数据训练样本，所述用户数据训练样本包括正样本及负样本，所述正样本的样本标签表征不需要回捞的用户，所述负样本的样本标签表征需要回捞的用户；

对所述用户数据训练样本进行特征提取和特征筛选，确定入模变量；

将所述用户数据训练样本和所述入模变量输入待训练模型进行处理，获得所述用户数据训练样本的输出结果；

根据所述用户数据训练样本的样本标签、所述输出结果及预设的目标函数对所述待训练模型的模型参数进行调整；

其中，所述待训练模型的损失函数包括表征所有正样本的损失函数值的第一函数项和表征所有负样本的损失函数值的第二函数项，所述第一函数项包括表示正样本被预测为负样本时的第一惩罚系数，所述第二函数项包括表示负样本被预测为正样本时的第二惩罚系数，所述第一惩罚系数大于所述第二惩罚系数。

2.根据权利要求1所述的方法，其特征在于，所述目标函数的公式如下：

其中，y_i表示用户数据训练样本i的真实标签，表示用户数据训练样本i的预测标签为正样本的概率；

数据项为所述第一函数项，w₀表示所述第一惩罚系数；表示不同正样本计算损失函数值的调制系数，r表示权重调整比例，r≥0；

数据项为所述第二函数项，w₁表示所述第二惩罚系数；表示不同负样本计算损失函数值的调制系数，r表示权重调整比例，r≥0。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

根据用户数据训练样本中正负样本比例进行设置所述第一惩罚系数、第二惩罚系数及权重调整比例；或

使用所述用户数据训练样本进行网格搜索以确定所述第一惩罚系数、第二惩罚系数及权重调整比例。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

使用所述用户数据训练样本和所述入模变量，对待训练模型进行多次训练获得不同的已训练模型；其中，每次训练使用的不同的系数进行网格搜索；

通过预设的评价函数计算各所述已训练模型的评价指标值；

将所述评价指标值最高的已训练模型作为训练完成的拒客回捞模型。

5.根据权利要求4所述的方法，其特征在于，所述评价函数的评价指标包括曲线下面积AUC指标或Kolmogorov-Smirnov指标。

6.根据权利要求4所述的方法，其特征在于，所述通过预设的评价函数计算各所述已训练模型的评价指标值的步骤，包括：

针对各所述已训练模型，按照各所述用户数据训练样本的输出结果从小到大的顺序对用户数据训练样本排序，选择排名靠前的预设数量个样本通过所述评价函数计算获得评价指标值。

7.一种拒客回捞模型训练装置，其特征在于，所述装置包括：

数据获取模块，用于获取包括多个用户数据训练样本，所述用户数据训练样本包括正样本及负样本，所述正样本的样本标签表征不需要回捞的用户，所述负样本的样本标签表征需要回捞的用户；

特征处理模块，用于对所述用户数据训练样本进行特征提取和特征筛选，确定入模变量；

模型处理模块，用于将所述用户数据训练样本和所述入模变量输入待训练模型进行处理，获得所述用户数据训练样本的输出结果；

参数调整模块，用于根据所述用户数据训练样本的样本标签、所述输出结果及预设的目标函数对所述待训练模型的模型参数进行调整；

其中，所述待训练模型的损失函数包括表征所有正样本的损失函数值的第一函数项和表征所有负样本的损失函数值的第二函数项，所述第一函数项包括表示正样本被预测为负样本时的第一惩罚系数，所述第二函数项包括表示负样本被预测为正样本时的第二惩罚系数，所述第一惩罚系数大于所述第二惩罚系数。