[发明专利]孤立树模型建立的方法和装置

说明书

本申请公开了一种孤立树模型建立的方法，属于计算机技术领域，方法包括：获取数据样本，生成根节点作为目标父节点，选取目标父节点的分割参考特征，当分割参考特征为类别型特征时，在分割参考特征的各特征值中选取分割参考特征值。生成目标父节点的第一子节点和第二子节点，将包括分割参考特征值的数据样本作为第一子节点的数据样本，将不包括分割参考特征值的数据样本作为第二子节点的数据样本；将满足预设条件的子节点确定为叶节点，将不满足预设条件的子节点作为目标父节点，转至执行在多个特征中选取分割参考特征的处理，直到将各子节点全部确定为目标孤立树模型的叶节点，生成目标孤立树模型。通过本申请可以提高孤立森林模型的检测准确度。

技术领域

本申请涉及计算机技术领域，特别涉及一种孤立树模型建立的方法和装置。

背景技术

目前，在信用卡欺诈检测、工业损毁检测、车辆行驶异常检测等异常数据检测领域，较为常用的检测方法是孤立森林模型检测法。

孤立森林模型是由孤立树模型组成，在建立孤立树模型时，对于采样得到的数据样本，使用数据样本中数值型特征的数据，来建立孤立树模型。对于数据样本中的类别型特征的数据会进行剔除，不参与孤立树模型的构建。例如，数据样本为卡口过车数据，在每组卡口过车数据中可以有卡口名称、车主年龄、车速等，其中，卡口名称为类别型特征，车主年龄、车速为数值型特征，使用卡口过车数据建立孤立树模型时，对于类别型特征卡口名称对应的数据要剔除，不参与孤立树模型的构建。

采用上述方法构建孤立树模型时，无法使用数据样本中类别型特征的数据，如果在数据样本中类别型特征的数据占了很大一部分的话，对这些数据全部剔除，会使数据样本中特征的数量大大减少，进而导致最后建立的孤立树模型的检测准确度不高。

因此，目前急需一种孤立树模型的建立方法，能够使用到数据样本中类别型特征的数据，即保留数据样本中全部特征的数据来建立孤立树模型，使得最终得到的孤立森林模型检测准确性更高。

发明内容

本申请实施例提供了一种孤立树模型建立的方法,能够解决由于不能利用全部特征的数据，而导致的孤立森林模型检测准确度较低的问题。所述技术方案如下：

第一方面、提供了一种孤立树模型建立的方法，所述方法包括：

获取多组数据样本，其中，每组数据样本包括多个特征分别对应的特征值，所述多个特征中包括类别型特征；

生成目标孤立树模型的根节点，将所述根节点作为目标父节点，将所述多组数据样本确定为所述目标父节点对应的数据样本；

在所述多个特征中，选取所述目标父节点对应的分割参考特征；

当所述分割参考特征为类别型特征时，在所述目标父节点对应的数据样本中所述分割参考特征对应的各特征值中，选取所述目标父节点对应的分割参考特征值；

生成所述目标父节点对应的第一子节点和第二子节点，将所述目标父节点对应的数据样本中包括所述分割参考特征值的数据样本，作为所述第一子节点对应的数据样本，将所述目标父节点对应的数据样本中不包括所述分割参考特征值的数据样本，作为所述第二子节点对应的数据样本；

确定所述目标父节点的各子节点是否满足作为所述目标孤立树模型的叶节点的预设条件，将满足所述预设条件的子节点确定为所述目标孤立树模型的叶节点，将不满足所述预设条件的子节点作为目标父节点，转至执行在所述多个特征中选取所述目标父节点对应的分割参考特征的处理，，如果所述各子节点全部满足作为所述目标孤立树模型的叶节点的预设条件，则将所述各子节点全部确定为目标孤立树模型的叶节点，生成所述目标孤立树模型。

可选的，所述获取数据样本集之后，所述方法还包括：

对于每个类别型特征对应的每个特征值，确定包括所述特征值的数据样本的组数，作为所述特征值的频数；