[发明专利]预测模型的联合构建方法、装置、存储介质及计算机设备

权利要求书

1.一种预测模型的联合构建方法，其特征在于，包括：

获取各个企业的样本特征数据和所述样本特征数据对应的类别标签；

根据所述样本特征数据和所述类别标签，构建各个企业的加密模型；

将所述各个企业的样本特征数据分别输入至对应的加密模型进行加密，得到各个企业的加密数据；

根据所述各个企业的加密数据及其对应的类别标签联合构建预测模型。

2.根据权利要求1所述的方法，其特征在于，所述加密模型为梯度下降树加密模型，所述根据所述样本特征数据和所述类别标签，构建各个企业的加密模型，包括：

利用预设梯度下降树算法对所述样本特征数据和所述类别标签进行训练，以构建所述梯度下降树加密模型；

所述将所述各个企业的样本特征数据分别输入至对应的加密模型进行加密，得到各个企业的加密数据，包括：

将所述各个企业的样本特征数据输入至所述梯度下降树加密模型进行加密，得到所述样本特征数据对应的样本特征向量；

将所述样本特征向量确定为所述各个企业的加密数据。

3.根据权利要求2所述的方法，其特征在于，所述利用预设梯度下降树算法对所述样本特征数据和所述类别标签进行训练，以构建所述梯度下降树加密模型，包括：

利用预设决策树算法对所述样本特征数据和所述类别标签进行初步训练，得到初步决策树模型；

将所述类别标签和所述初步决策树模型进行匹配，得到所述样本特征数据归属于所述初步决策树模型的各个叶子节点对应类别的真实概率值；

将所述样本特征数据输入到所述初步决策树模型进行类别预测，得到所述样本特征数据归属于所述初步决策树模型的各个叶子节点对应类别的预测概率值；

根据所述真实概率值和所述预测概率值的差值，确定初步迭代训练的残差梯度下降值；

根据所述残差梯度下降值、所述样本特征数据和所述类别标签对所述初步决策树模型进行迭代训练，并重复计算残差梯度下降值的步骤；

当计算的残差梯度下降值为最小的残差梯度下降值时，将所述最小的残差梯度下降值对应迭代层级训练的决策树模型，确定为所述梯度下降树加密模型。

4.根据权利要求2所述的方法，其特征在于，所述将所述各个企业的样本特征数据输入至所述梯度下降树加密模型进行加密，得到所述样本特征数据对应的样本特征向量，包括：

将所述各个企业的样本特征数据输入至所述梯度下降树加密模型进行匹配，以确定所述样本特征数据是否与梯度下降树加密模型的叶子节点匹配；

根据匹配结果，确定所述样本特征数据的各个特征匹配值；

根据梯度下降树加密模型的叶子节点数量，确定所述样本特征向量的维数；

根据所述样本特征数据的各个特征匹配值和所述样本特征向量的维数，确定所述样本特征数据对应的样本特征向量。

5.根据权利要求4所述的方法，其特征在于，所述根据匹配结果，确定所述样本特征数据的各个特征匹配值，包括：

若所述样本特征数据与所述梯度下降树加密模型的叶子节点匹配，则将所述样本特征数据的特征匹配值确定为1；

若所述样本特征数据与所述梯度下降树加密模型的叶子节点不匹配，则将所述样本特征数据的特征匹配值确定为0。

6.根据权利要求1所述的方法，其特征在于，所述根据所述各个企业的加密数据及其对应的类别标签联合构建预测模型，包括：

将所述各个企业的加密数据及其对应的类别标签、以及企业的样本特征数据联合成预测训练集，并根据所述预测训练集构建预测模型。

7.根据权利要求1-6任一项所述的方法，其特征在于，所述预测模型为逻辑回归预测模型，所述根据所述各个企业的加密数据及其对应的类别标签联合构建预测模型，包括：

利用预设逻辑回归算法对所述各个企业的加密数据及其对应的类别标签进行训练，以构建所述逻辑回归预测模型。