[发明专利]泛化能力处理方法、装置、设备及存储介质

权利要求书

1.一种泛化能力处理方法，其特征在于，所述泛化能力处理方法包括：

获取画像数据，并根据所述画像数据和所述画像数据的属性特征对预设的标准泛化模型进行数据训练处理，以获得初步模型；

将所述画像数据输入所述初步模型进行预测处理，以获得预测结果；

根据所述画像数据和所述预测结果对预设的标准决策树模型进行数据训练处理，以获得进阶模型；

根据所述画像数据和所述属性特征对所述进阶模型进行数据训练处理，以获得最终泛化模型。

2.如权利要求1所述的泛化能力处理方法，其特征在于，所述根据所述画像数据和所述画像数据的属性特征对预设的标准泛化模型进行数据训练处理，以获得初步模型，包括：

将第一预设个数的画像数据设为验证数据，并将第二预设个数的画像数据设为训练数据；

根据所述验证数据对所述训练数据进行数据训练处理，以获得训练结果；

根据所述训练结果对预设的标准泛化模型进行数据训练处理，以获得初步模型。

3.如权利要求1所述的泛化能力处理方法，其特征在于，所述根据所述画像数据和所述属性特征对所述进阶模型进行数据训练处理，以获得最终泛化模型，包括：

根据所述画像数据和所述属性特征对所述进阶模型进行数据训练处理，以确定所述画像数据对应的所有叶子节点；

获取所述叶子节点中的训练预测数据；

提取所述训练预测数据的预测值，并根据所述预测值生成最终泛化模型。

4.如权利要求3所述的泛化能力处理方法，其特征在于，所述提取所述训练预测数据的预测值，并根据所述预测值生成最终泛化模型，包括：

提取所述训练预测数据的预测值，并对所述预测值进行分类，以获得正比例预测值和负比例预测值；

分别统计所述正比例预测值的第一预测数量和所述负比例预测值的第二预测数量，并根据所述第一预测数量和第二预测数量生成最终泛化模型。

5.如权利要求1所述的泛化能力处理方法，其特征在于，所述根据所述画像数据和所述属性特征对所述进阶模型进行数据训练处理，以获得最终泛化模型之后，所述方法还包括：

从待识别用户数据中提取待处理的画像数据；

将所述待处理的画像数据和最终泛化模型进行匹配，得到所述待识别用户数据对应的用户识别结果。

6.如权利要求5所述的泛化能力处理方法，其特征在于，所述将所述待处理的画像数据和最终泛化模型进行匹配，得到所述待识别用户数据对应的用户识别结果，包括：

提取所述最终泛化模型中不同分布占比的目标叶子节点，并获取各目标叶子节点的目标预测数据；

获取所述目标预测数据对应的目标画像数据，并根据所述目标画像数据生成对应的画像特征数据集；

将所述待处理的画像数据和所述画像特征数据集进行匹配，得到所述待识别用户数据对应的用户识别结果。

7.如权利要求1-6任一项所述的泛化能力处理方法，其特征在于，所述获取画像数据，包括：

获取待筛选画像数据；

若所述待筛选画像数据满足预设筛选标准，则将所述待筛选画像数据确认为画像数据。

8.一种泛化能力处理装置，其特征在于，所述泛化能力处理装置包括：

获取模块，用于获取画像数据，并根据所述画像数据和所述画像数据的属性特征对预设的标准泛化模型进行数据训练处理，以获得初步模型；

预测模块，用于将所述画像数据输入所述初步模型进行预测处理，以获得预测结果；

第一训练模块，用于根据所述画像数据和所述预测结果对预设的标准决策树模型进行数据训练处理，以获得进阶模型；

第二训练模块，用于根据所述画像数据和所述属性特征对所述进阶模型进行数据训练处理，以获得最终泛化模型。

9.一种设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在处理器上运行的泛化能力处理程序，所述泛化能力处理程序被所述处理器执行时实现如权利要求1至7中任一项所述的泛化能力处理方法的步骤。

10.一种存储介质，其特征在于，所述存储介质上存储有泛化能力处理程序，所述泛化能力处理程序被处理器执行时实现如权利要求1至7中任一项所述的泛化能力处理方法的步骤。