[发明专利]风险预测模型的训练方法、预测方法及装置、介质和设备

说明书

本公开涉及机器学习技术领域，提供了一种风险预测模型的训练方法及装置、风险预测方法及装置，以及实现上述风险预测模型的训练方法和上述风险预测方法的计算机存储介质和电子设备。其中，该训练方法包括：获取具有时序的训练样本，并将训练样本输入风险预测模型；获取风险预测模型的特征衍生层输出的具有时序的衍生特征，其中，衍生特征为特征衍生层对训练样本进行特征衍生得到的；根据衍生特征在不同时序的时间点上的分布差异计算特征衍生层的时序损失函数值；根据时序损失函数值确定风险预测模型的目标函数值，以根据目标函数值对风险预测模型进行训练。本技术方案能够提升风险预测模型的时序稳定性。

技术领域

本公开涉及机器学习技术领域，具体而言，涉及一种风险预测模型的训练方法及装置、风险预测方法及装置，以及实现上述风险预测模型的训练方法和上述风险预测方法的计算机存储介质和电子设备。

背景技术

风险是指在某一时间段内，人们所期望达到的目标与实际结果之间产生的距离。而风险预测是通过预测发生风险事件的概率，通过风险预测可以提前制定有效的风险应对措施。

随着机器学习技术的迅猛发展，相关技术中通过训练机器学习模型来实现风险预测。具体地，训练机器学习模型的过程中，一般以降低模型的分类损失作为训练目标。最终得到分类损失满足设定需求的风险预测模型，进而通过训练后的风险预测模型进行风险等级信息的预测。

然而，相关技术所提供的风险预测模型的时序稳定性有待提高。

需要说明的是，上述背景技术部分公开的信息仅用于加强对本公开的背景的理解。

发明内容

本公开的目的在于提供一种风险预测模型的训练方法及装置、风险预测方法及装置，以及实现上述风险预测模型的训练方法和上述风险预测方法的计算机存储介质和电子设备，进而至少在一定程度上提高风险预测模型的时序稳定性。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一个方面，提供一种风险预测模型的训练方法，包括：

获取具有时序的训练样本，并将上述训练样本输入风险预测模型；获取上述风险预测模型的特征衍生层输出的具有时序的衍生特征，其中，上述衍生特征为上述特征衍生层对训练样本进行特征衍生得到的；根据上述衍生特征在不同时序的时间点上的分布差异计算上述特征衍生层的时序损失函数值；以及，根据上述时序损失函数值确定上述风险预测模型的目标函数值，以根据上述目标函数值对上述风险预测模型进行训练。

在本公开的一些实施例中，基于前述方案，上述方法还包括：将上述衍生特征输入至上述风险预测模型的分类层，根据上述分类层输出的分类结果确定上述风险预测模型的分类损失函数值；

上述根据上述时序损失函数值确定上述风险预测模型的目标函数值，包括：结合上述时序损失函数值和上述分类损失函数值确定上述风险预测模型的目标函数值。

在本公开的一些实施例中，基于前述方案，上述根据上述衍生特征在不同时序的时间点上的分布差异计算上述特征衍生层的时序损失函数值，包括：获取第一时间点的第一衍生特征，以及获取与上述第一时间点不同时序的第二时间点的第二衍生特征；以及，计算上述第一衍生特征和上述第二衍生特征的最大均值差异，得到上述特征衍生层的时序损失函数值。

在本公开的一些实施例中，基于前述方案，上述根据上述分类层输出的分类结果确定上述风险预测模型的分类损失函数值，包括：计算上述分类层输出的分类结果的最大似然估计，得到上述风险预测模型的分类损失函数值。

在本公开的一些实施例中，基于前述方案，上述获取具有时序的训练样本，包括：获取预测对象的具有时序的行为数据；以及，确定对上述预测对象的风险等级信息，并根据上述风险等级对上述行为数据进行标注，得到包含具有时序的训练样本的训练集。