[发明专利]一种基于决策树的行为规则获取方法、装置及设备

权利要求书

1.一种基于决策树的行为规则获取方法，其特征在于，所述方法的步骤包括：

将收集的每个测试人员的特征信息和对应的行为标记代码作为样本集；

将所述样本集拆分成训练集和测试集；

根据所述训练集生成初级决策树；

利用所述初级决策树对所述训练集的特征信息进行训练处理，将所述训练集中每个特征信息对应的训练结果与对应的行为标记代码进行比对，将不匹配的训练结果按照对应行为标记代码进行修改，完成对所述初级决策树的训练过程；

将不匹配的训练结果对应的特征信息筛选出来作为不吻合特征信息，利用所述测试集中的特征信息等量替换训练集中不吻合特征信息，利用替换后的训练集对所述初级决策树进行再次训练过程，并重复等量替换和训练过程，直至筛选出来的不吻合特征信息的数量为0，获取每次重复训练后得到的至少一个决策树模型；

从至少一个决策树模型中筛选出一个最终决策树模型；

提取所述最终决策树模型中的各个支路，得到与每个支路一一对应的行为规则。

2.根据权利要求1所述的行为规则获取方法，其特征在于，所述根据所述训练集生成初级决策树，具体包括：

从所述训练集中随机选取至少一个特征信息作为决策节点；

为该决策节点随机选取除所述决策节点对应的特征信息之外的至少一个特征信息，作为决策节点的状态节点；

将状态节点上特征信息能够出现的至少一种行为状态作为该状态节点的概率枝；

将所述决策节点作为根节点、所述状态节点作为分支节点、所述概率枝作为叶节点，生成树状图；

对所述树状图进行剪枝处理得到初级决策树。

3.根据权利要求2所述的行为规则获取方法，其特征在于，对所述树状图进行剪枝处理得到初级决策树，具体包括：

从所述训练集中的特征信息中提取相应的行为状态，其中，特征信息中包括：与每个测试人员相对应的行为状态；

获取每个概率枝对应的行为状态，并从所述训练集的行为状态中进行搜寻；

将搜索结果为空的概率枝剪掉，得到初级决策树。

4.根据权利要求3所述的行为规则获取方法，其特征在于，所述将搜索结果为空的概率枝剪掉，得到初级决策树之后，所述方法还包括：

将所述训练集中相同的行为状态归结为一类，为训练集的行为状态进行类别划分，并按照行为状态的类别为训练集的特征信息进行分类；

将每个概率枝的行为状态的类别作为概率枝类别；

从每个概率枝类别对应的至少一个特征信息中，提取收益值{S₁，S₂，…，S_A}和损失值{Z₁，Z₂，…，Z_B}，其中，特征信息中还包括：每个测试人员进行投资的收益值和损失值，A为概率枝类别中收益值的数量，B为概率枝类别中损失值的数量，A+B＝训练集中对应概率枝类别的行为状态的总数；

计算各个概率枝的收益平均值(S₁+S₂+…+S_A)/A、收益概率损失平均值(Z₁+Z₂+…+Z_B)/B和损失概率

根据公式：收益平均值*收益概率-损失平均值*损失概率，计算各个概率枝的收益期望值；

将初级决策树中所述收益期望值小于预定期望值的概率枝剪掉，对所述初级决策树进行剪枝处理，得到剪枝后的初级决策树；

则利用所述初级决策树对所述训练集的特征信息进行训练处理，具体包括：

利用剪枝后的初级决策树对所述训练集的特征信息进行训练处理。

5.根据权利要求1所述的行为规则获取方法，其特征在于，从所述至少一个决策树模型中筛选出一个最终决策树模型，具体包括：

将所述测试集的特征信息输入每个决策树模型进行测试处理，得到与每个决策树模型对应的测试结果；

将每个决策树模型对应的测试结果与测试集中对应的行为标记代码进行比对；

计算所述测试集中匹配的测试结果的数量占所述测试集总数量的匹配概率，并将每个决策树模型和相应的匹配概率进行关联；

将最大匹配概率对应的决策树模型作为最终决策树模型。