[发明专利]模型训练方法、异常数据检测方法、装置和电子设备

权利要求书

1.一种模型训练方法，包括：

利用以下步骤进行迭代处理，直至满足第一迭代结束条件：

根据训练样本集，对第一模型进行训练；

根据训练后的第一模型，对原始数据集中的原始数据进行预测，得到第一预测结果；

根据第一预测结果，从所述原始数据集中不放回地抽取原始数据；

对抽取的原始数据进行打标；

将打标后的原始数据作为训练样本添加至所述训练样本集中。

2.如权利要求1所述的方法，所述对原始数据集中的原始数据进行预测，包括：

获取原始数据集中原始数据的特征数据；

将特征数据输入至训练后的第一模型。

3.如权利要求1所述的方法，所述从所述原始数据集中不放回地抽取原始数据，包括：

从所述原始数据集中抽取对应的第一预测结果满足预设条件的原始数据；

所述对抽取的原始数据进行打标，包括：

采用与所述预设条件相对应的打标策略，对抽取的原始数据进行打标。

4.如权利要求3所述的方法，所述预设条件包括第一预设条件和第二预设条件，所述打标策略包括第一打标策略和第二打标策略；

所述从所述原始数据集中抽取对应的第一预测结果满足预设条件的原始数据，包括：

从所述原始数据集中抽取对应的第一预测结果满足第一预设条件的原始数据作为第一类型的原始数据；从所述原始数据集中抽取对应的第一预测结果满足第二预设条件的原始数据作为第二类型的原始数据；

所述对抽取的原始数据进行打标，包括：

采用与所述第一预设条件相对应的第一打标策略，对第一类型的原始数据进行打标；采用与所述第二预设条件相对应的第二打标策略，对第二类型的原始数据进行打标。

5.如权利要求4所述的方法，所述将打标后的原始数据作为训练样本添加至所述训练样本集中，包括：

将打标后的第一类型的原始数据作为训练样本添加至所述训练样本集中；将打标后的第二类型的原始数据作为训练样本添加至所述训练样本集中。

6.如权利要求4所述的方法，所述第一预测结果包括分值；所述第一预设条件包括以下至少之一：分值大于或等于第一预设数值、分值小于或等于第二预设数值；所述第二预设条件包括：分值位于预设数值区间内。

7.如权利要求1所述的方法，还包括：

计算特定类型的训练样本在所述训练样本集中的稀疏指标；

根据稀疏指标，判断特定类型的训练样本的数量是否充足；

若否，在所述训练样本集添加特定类型的训练样本。

8.如权利要求7所述的方法，所述在所述训练样本集添加特定类型的训练样本，包括：

复制N个特定类型的训练样本到所述训练样本集中；或者，

将特定类型的训练样本在所述原始数据集中进行匹配，得到第三类型的原始数据；

对第三类型的原始数据进行打标；

将打标后的第三类型的原始数据作为训练样本添加至所述训练样本集中。

9.如权利要求1所述的方法，在利用以下步骤进行迭代处理，直至满足第一迭代结束条件之前，还包括：

根据训练样本集，对第二模型进行训练；

根据训练后的第二模型，对原始数据集中的原始数据进行预测，得到第二预测结果；

根据第二预测结果，从所述原始数据集中不放回地抽取原始数据；

对抽取的原始数据进行打标；

将打标后的原始数据作为训练样本添加至所述训练样本集中；

利用以上步骤进行迭代处理，直至满足第二迭代结束条件。

10.如权利要求9所述的方法，所述第一模型包括非线性模型；所述第二模型包括线模型。

11.一种异常数据检测方法，包括：

将业务数据输入至使用权利要求1-10中任一项所述方法训练后的第一模型，得到所述业务数据的检测结果。