[发明专利]一种客户类型的确定方法及装置

权利要求书

1.一种客户类型的确定方法，其特征在于，包括：

获取客户的属性信息；

将所述客户的属性信息输入预设模型，得到所述客户所属的客户类型；其中，所述预设模型是通过以下方式得到的：

针对第n次训练得到的模型，通过验证数据确定所述模型是否过拟合；

在确定所述模型过拟合后，获取所述模型在所述第n次训练过程中使用的各样本特征的评估值；根据所述各样本特征的评估值，确定第n+1次训练时使用的各样本特征从而得到第n+1次训练的模型，返回通过验证数据确定所述模型是否过拟合的步骤，直至所述模型不存在过拟合。

2.如权利要求1所述的方法，其特征在于，所述各样本特征中包括噪声特征；

根据所述各样本特征的评估值，确定第n+1次训练时使用的各样本特征，包括：

将评估值低于所述噪声特征的评估值的样本特征删除。

3.如权利要求1所述的方法，其特征在于，所述评估值至少是根据样本特征在训练过程中的使用次数或样本特征被拆分时的信息增益来确定的；

根据所述各样本特征的评估值，确定第n+1次训练时使用的各样本特征，包括：

对所述各样本特征的评估值进行排序；

若第一样本特征的评估值是第二样本特征的评估值的k倍，则删除所述第一样本特征；所述第一样本特征和所述第二样本特征为排序中相邻的样本特征，k≥3。

4.如权利要求1所述的方法，其特征在于，所述验证数据包括多个验证样本；

通过验证数据确定所述模型是否过拟合，包括：

将所述多个验证样本分别输入所述模型，得到多个验证结果；

根据所述多个验证结果与所述多个验证样本的真实值，确定所述模型的精确率和召回率；

在所述精确率大于第一阈值且所述召回率大于第二阈值时，确定所述模型过拟合。

5.如权利要求1所述的方法，其特征在于，

通过验证数据确定所述模型是否过拟合之前，还包括：

将样本数据划分为M份样本集，其中各份包括的正样本相同，且各份包括的负样本均不相同；

针对每份样本集，按照所述第n次训练的各样本特征，从所述样本集中确定所述第n次训练使用的各样本，并通过训练得到所述样本集对应的子模型；

根据M个子模型得到第n次训练的模型。

6.如权利要求5所述的方法，其特征在于，所述样本数据为第一历史时段采集的；所述验证数据为第二历史时段采集的；所述第二历史时段晚于所述第一历史时段。

7.如权利要求1-6任一项所述的方法，其特征在于，

确定第n+1次训练时使用的各样本特征从而得到第n+1次训练的模型，包括：

在确定所述模型过拟合后，对所述模型的参数进行调整；

根据所述第n+1次训练时使用的各样本特征，对调整后的模型重新进行第n+1次训练。

8.一种客户类型的确定装置，其特征在于，包括：

获取单元，用于获取客户的属性信息；

确定单元，用于将所述客户的属性信息输入预设模型，得到所述客户所属的客户类型；其中，所述预设模型是通过训练单元得到的：

所述训练单元，用于针对第n次训练得到的模型，通过验证数据确定所述模型是否过拟合；

所述训练单元，用于在确定所述模型过拟合后，获取所述模型在所述第n次训练过程中使用的各样本特征的评估值；根据所述各样本特征的评估值，确定第n+1次训练时使用的各样本特征从而得到第n+1次训练的模型，返回通过验证数据确定所述模型是否过拟合的步骤，直至所述模型不存在过拟合。

9.一种计算设备，其特征在于，包括：

存储器，用于存储程序指令；

处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行如权利要求1-7任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1-7任一项所述的方法。