[发明专利]一种反欺诈模型的训练方法及装置

权利要求书

1.一种反欺诈模型的训练方法，其特征在于，包括：

获取训练样本数据集，所述训练样本数据集中包括多个具有二分类标签的训练样本数据，其中，所述二分类标签用于表征训练样本数据是否为与欺诈行为相应的数据；

执行模型迭代训练过程，其中，每一轮训练包括如下步骤：将所述训练样本数据集中留存的训练样本数据拆分为训练集和验证集；用所述训练集分别训练预设的多个弱分类器后，获取所述多个弱分类器分别在验证集上的预测分值；对于每个弱分类器，根据其在验证集上的预测分值确定该弱分类器的数据分布适应度值；根据各弱分类器的数据分布适应度值，选取一个目标弱分类器；利用所述目标弱分类器对所述训练集进行预测，并根据预测分值对所述训练样本数据集进行训练样本数据剔除处理；判断所述训练样本数据集中留存的训练样本数据的数据量是否小于预设的数据量阈值，是则结束迭代训练过程，否则进行下一轮训练；

在结束迭代训练过程后，组合各轮训练中得到的目标弱分类器形成反欺诈模型。

2.根据权利要求1所述的方法，其特征在于，对于每个弱分类器，根据其在验证集上的预测分值确定该弱分类器的数据分布适应度值，包括：

对于每个弱分类器，排序其在验证集上的预测分值，根据预测分值的排序和预测分值，确定该弱分类器的数据分布适应度值。

3.根据权利要求2所述的方法，其特征在于，根据预测分值的排序和预测分值，确定该弱分类器的数据分布适应度值，包括：

根据预测分值的排序，选取第一预测分值、第二预测分值和第三预测分值，以及选取最大预测分值和最小预测分值，其中，第一预测分值小于第二预测分值，第二预测分值小于第三预测分值，第一预测分值与最小预测分值相同或不同，第三预测分值与最大预测分值相同或不同；

通过第一公式，确定该弱分类器的数据分布适应度值；

所述第一公式为：

其中，S_n表征第n个弱分类器的数据分布适应度值；所述v₁表征第一预测分值；所述v₂表征第二预测分值；所述v₃表征第三预测分值；所述a表征第一校正系数，所述b表征第二校正系数。

4.根据权利要求3所述的方法，其特征在于，根据预测分值的排序，选取第一预测分值、第二预测分值和第三预测分值，包括：

确定各预测分值在排序中的排序号；

通过第二公式，确定第一排序号、第二排序号和第三排序号；

所述第二公式包括：

R_m＝round(i_m×p)

其中，R_m表征第m排序号；所述i表征与第m排序号相应的预设百分比；所述p表征所述验证集中各训练样本数据的总条数；所述round表征四舍五入函数；

将分别与所述第一排序号、所述第二排序号和所述第三排序号相应的预测分值，分别选取为第一预测分值、第二预测分值和第三预测分值。

5.根据权利要求1所述的方法，其特征在于，根据预测分值对所述训练样本数据集进行训练样本数据剔除处理，包括：

根据所述目标弱分类器在训练集上的预测分值，确定分值范围；

剔除所述训练集中预测分值在所述分值范围之外的训练样本数据。

6.根据权利要求1-5中任一所述的方法，其特征在于，根据各弱分类器的数据分布适应度值，选取一个目标弱分类器，包括：

选取数据分布适应度值最小的弱分类器为所述目标弱分类器。

7.根据权利要求1-5中任一所述的方法，其特征在于，组合各轮训练中得到的目标弱分类器形成反欺诈模型，包括：

按照各轮训练中得到的目标弱分类器的得到顺序确定各目标弱分类器的执行顺序，其中，所述执行顺序与所述得到顺序相同；

根据所述执行顺序组合各目标弱分类器形成反欺诈模型。