[发明专利]一种异常样本确定方法、装置、设备及介质

权利要求书

1.一种异常样本确定方法，其特征在于，所述方法包括：

针对训练完成的至少一个模型，根据每个特征在每个模型中对应的特征权重，计算每个特征的变异系数，识别数值最大的第一变异系数对应的第一特征；

识别所述第一特征的最大特征权重对应的第一模型，以及最小特征权重对应的第二模型；

识别对所述第一模型进行训练的第一训练样本和对所述第二模型进行训练的第二训练样本中不同的第一子训练样本，以及所述第一训练样本中与所述第二训练样本相同的第二子训练样本，将所述第一子训练样本分为两份，并分别于与所述第二子训练样本组合，得到第一目标训练样本和第二目标训练样本，并分别基于所述第一目标训练样本和所述第二目标训练样本进行模型训练，得到第一目标模型和第二目标模型；

根据所述至少一个模型和所述第一目标模型，计算所述第一特征的第二变异系数，并根据所述至少一个模型和所述第二目标模型，计算所述第一特征的第三变异系数，若所述第二变异系数和第三变异系数均小于所述第一变异系数，则确定不存在异常样本。

2.根据权利要求1所述的方法，其特征在于，若所述第二变异系数和所述第三变异系数中的至少一个不小于所述第一变异系数，所述方法还包括：

若所述第二变异系数不小于所述第一变异系数，则识别除所述第一特征外的其他特征对应的变异系数中最大的第四变异系数及所述第四变异系数对应的第二特征；识别所述第二特征的最大特征权重对应的第三模型以及最小特征权重对应的第四模型；识别对所述第三模型进行训练的第三训练样本和对所述第四模型进行训练的第四训练样本中不同的第三子训练样本，以及所述第三训练样本中与所述第四训练样本相同的第四子训练样本，将所述第三子训练样本分为两份，并分别与所述第四子训练样本组合，得到第三目标训练样本和第四目标训练样本，并分别基于所述第三目标训练样本和所述第四目标训练样本进行模型训练，得到第三目标模型和第四目标训练模型；根据所述至少一个模型和所述第三目标模型，计算所述第二特征的第五变异系数，并根据所述至少一个模型和所述第四目标模型，计算所述第二特征的第六变异系数，若所述第五变异系数和所述第六变异系数均小于所述第四变异系数，则确定不存在异常样本；或

若所述第三变异系数不小于所述第一变异系数，则识别除所述第一特征外的其他特征对应的变异系数中最大的第七变异系数及所述第七变异系数对应的第三特征；识别所述第三特征的最大特征权重对应的第五模型以及最小特征权重对应的第六模型；识别对所述第五模型进行训练的第五训练样本和对所述第六模型进行训练的第六训练样本中不同的第六子训练样本，以及所述第五训练样本中与所述第六训练样本相同的第六子训练样本，将所述第五子训练样本分为两份，并分别与所述第六子训练样本组合，得到第五目标训练样本和第六目标训练样本，并分别基于所述第五目标训练样本和所述第六目标训练样本进行模型训练，得到第五目标模型和第六目标训练模型；根据所述至少一个模型和所述第五目标模型，计算所述第三特征的第八变异系数，并根据所述至少一个模型和所述第六目标模型，计算所述第三特征的第九变异系数，若所述第八变异系数和所述第九变异系数均小于所述第七变异系数，则确定不存在异常样本；或

若所述第二变异系数和第三变异系数均不小于所述第一变异系数，且所述第五变异系数和所述第六变异系数均小于所述第四变异系数，所述第八变异系数和所述第九变异系数均小于所述第七变异系数，则确定不存在异常样本。