[发明专利]扩充样本方法、终端、装置及可读存储介质

说明书

本发明公开了一种扩充样本方法，包括以下步骤：基于迭代次数与参数集的预设关系表，获取当前迭代次数对应的预设参数集，而后分别基于预设样本、预设样本对应的标签、各组预设参数训练初始分类模型，得到各组预设参数对应的分类模型，接下来基于各个分类模型的基尼GINI系数，确定最优分类模型，最后基于预设规则、待校对样本以及所述最优分类模型，在所述待校对样本中确定新增样本。本发明还公开了一种装置、终端及可读存储介质。通过多轮迭代并利用GINI系数筛选出最优分类模型，再利用最优分类模型为无标签的样本进行标签补全，在实现样本扩充的同时降低了标签补全的差错率，提升了样本扩充的效率。

技术领域

本发明涉及机器学习技术领域，尤其涉及一种扩充样本方法、终端、装置及可读存储介质。

背景技术

随着金融科技(Fintech)，尤其是互联网科技金融的不断发展，越来越多的技术应用到金融领域。

目前，对于有标签的样本在整体分析样本中占比较低的情况下，现有技术方案要么对无标签样本在建模阶段完全不进行使用，要么考虑一次推断模型，即使用有标签的样本建模后，对无标签样本进行推断，然后使得其中部分样本成为带标签样本后纳入训练集进行第二次模型训练。在一次性推断的模型中，均会假定被推断的样本信息价值相同，而是否选择纳入模型，只能通过阈值设定进行一次性的分析。而因为原有标签的样本数量较少，引入的推断样本通常会极大的干扰模型性能，导致模型虚假拟合(第二次模型对推断样本进行了过度拟合)，在后续模型监控过程中会发现模型的稳定性较差，从而导致利用该模型为无标签的样本进行标签补全时差错率较高。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种扩充样本方法、系统、装置及可读存储介质，旨在解决现有对无标签的样本进行标签补全时差错率较高，导致样本扩充不理想的技术问题。

为实现上述目的，本发明提供一种扩充样本方法，所述的扩充样本方法包括以下步骤：

基于迭代次数与参数集的预设关系表，获取当前迭代次数对应的预设参数集，其中，所述预设参数集包括多组预设参数；

分别基于预设样本、预设样本对应的标签、各组预设参数训练初始分类模型，得到各组预设参数对应的分类模型；

基于各个分类模型的基尼GINI系数，确定最优分类模型；

基于预设规则、待校对样本以及所述最优分类模型，在所述待校对样本中确定新增样本。

进一步地，在一实施方式中，所述基于预设规则、待校对样本以及所述最优分类模型，在所述待校对样本中确定新增样本的步骤包括：

基于预设获取规则在所述待校对样本中确定待校对子样本；

基于所述最优分类模型、所述待校对子样本生成所述待校对子样本对应的标签；

基于所述待校对子样本对应的标签以及预设值在所述待校对子样本中确定新增样本。

进一步地，在一实施方式中，所述待校对子样本包括多个，所述基于所述待校对子样本对应的标签以及预设值在所述待校对子样本中确定新增样本的步骤包括：

分别确定所述待校对子样本中各个子样本对应的标签是否等于预设值；

在所述子样本对应的标签等于预设值时，确定所述子样本是新增样本。

进一步地，在一实施方式中，所述基于所述待校对子样本对应的标签以及预设值在所述待校对子样本中确定新增样本的步骤之后，还包括：

更新所述迭代次数，并将所述预设样本和所述新增样本作为预设样本；