[发明专利]随机森林模型的构造方法、装置、电子设备及存储介质

权利要求书

1.一种随机森林模型的构造方法，其特征在于，所述方法包括：

获取数据集，所述数据集包括用户在使用音乐应用的过程中产生的日志数据、歌曲信息和用户信息；

将所述数据集包括的多个维度特征变量划分为与用户偏好相关的多个特征子集，其中，所述特征子集包括以下特征变量至少之一：用户基本信息、用户活跃情况、歌曲基本信息、歌曲流行情况；

基于每个所述特征子集的样本构造对应的决策树模型，并基于所述决策树模型确定所述特征子集中每个特征变量的权重；

根据每个所述特征子集中特征变量的权重的降序排列，从每个特征子集中抽样排序在前的部分特征变量，以组合形成降维特征变量集合；

将所述数据集中的样本划分为多个样本子集；

按照所述降维特征变量集合对每个所述样本子集进行有放回抽样，以对应每个所述样本子集抽样得到与所述数据集的样本量一致的多个新样本子集；

分别构造与所述多个新样本子集一一对应的决策树模型，并将构造后的多个决策树模型进行集成得到随机森林模型；

其中，所述随机森林模型最终的预测结果是通过对所述多个决策树模型的判断进行投票确定的。

2.根据权利要求1所述的方法，其特征在于，将所述数据集包括的多个维度特征变量划分为与用户偏好相关的多个特征子集，包括：

以有放回抽样的方式对所述数据集包括的p个维度的特征变量进行c次采样，形成c个部分重叠的特征子集；或者，

以无放回抽样的方式对所述数据集包括的p个维度的特征变量进行c次采样，形成c个不重叠的特征子集；

其中，p、c均为大于1的整数。

3.根据权利要求1所述的方法，其特征在于，所述基于每个所述特征子集的样本构造对应的决策树模型，包括：

按照所述特征子集中各个特征变量对所述数据集进行有放回抽样，得到与所述数据集的样本量一致的样本集合；

基于所述样本集合构造对应的决策树模型。

4.根据权利要求1所述的方法，其特征在于，所述基于所述决策树模型确定所述特征子集中每个特征变量的权重，包括：

遍历第i特征子集中的每个特征变量，以当前所遍历特征变量为所述决策树模型的因变量，并执行以下操作：

以所述决策树模型各个节点分别作为分割点，确定所述决策树模型的输出变量的异质性指数在被分割后相对于被分割前的减少量；

确定所述各个节点分别作为分割点时对应的减少量的平均值，并将所述平均值确定为对应当前所遍历的特征的权重；

其中，1≤i≤c，i为整数，c为对所述数据集包括的多个维度的特征变量进行抽样形成的特征子集的数量。

5.根据权利要求4所述的方法，其特征在于，所述以所述决策树模型各个节点分别作为分割点，确定所述决策树模型的输出变量的异质性指数在被分割后相对于被分割前的减少量，包括：

遍历所述决策树模型中的每个节点，并执行以下操作：

以当前所遍历节点作为分割点分割所述决策树模型，得到左子树和右子树；

确定所述左子树的样本比例、所述左子树的输出变量的异质性指数之间的第一乘积；

确定所述右子树的样本比例、所述右子树的输出变量的异质性指数之间的第二乘积；

确定被分割前的所述决策树的输出变量的异质性指数，并与所述第一乘积以及所述第二乘积进行差值运算，得到所述决策树模型的输出变量的异质性指数在被分割后相对于被分割前的减少量。