[发明专利]模型生成方法、装置、电子设备及存储介质

权利要求书

1.一种模型生成方法，包括：

基于第一参与方的特征信息对所述第一参与方的样本数据进行特征离散化处理，得到所述第一参与方的数据分桶；

将所述第一参与方的数据分桶与N个第二参与方的数据分桶进行合并，得到合并后的数据分桶；其中，N为大于等于1的整数；

基于所述第一参与方的标签数据以及所述合并后的所述数据分桶进行迭代处理，得到所述第一参与方的目标模型。

2.根据权利要求1所述的方法，其中，基于第一参与方的特征信息对所述第一参与方的样本数据进行特征离散化处理，得到所述第一参与方的数据分桶，包括：

基于所述第一参与方的特征信息对所述第一参与方的样本数据进行特征离散化处理，得到所述第一参与方的所述特征信息中的至少一个第一特征所对应的数据分桶；

相应的，所述将所述第一参与方的数据分桶与N个第二参与方的数据分桶进行合并，得到合并后的数据分桶，包括：

获取所述N个第二参与方分别对应的至少一个第二特征所对应的数据分桶；其中，所述第一参与方的所述特征信息中的至少一个第一特征与所述N个第二参与方分别对应的至少一个第二特征不同；且所述N个第二参与方中不同的第二参与方的所述第二特征不同；

将所述第一参与方的至少一个第一特征的数据分桶，以及所述N个第二参与方分别对应的至少一个第二特征所对应的数据分桶进行合并，得到所述合并后的数据分桶。

3.根据权利要求1所述的方法，其中，所述将所述第一参与方的数据分桶与N个第二参与方的数据分桶进行合并，得到合并后的数据分桶，包括：

基于所述第一参与方的特征信息中的各个特征所对应的数据分桶分别与所述N个第二参与方的相同特征所对应的数据分桶进行合并，得到各个特征所对应的合并后的子数据分桶；基于所述各个特征所对应的合并后的子数据分桶，得到所述合并后的数据分桶。

4.根据权利要求1-3任一项所述的方法，其中，所述基于第一参与方的标签数据以及所述合并后的所述数据分桶进行迭代处理，得到第一参与方的目标模型，包括：

基于第一参与方的标签数据以及所述合并后的所述数据分桶进行M次迭代处理，得到所述M次迭代处理中生成的决策树；基于所述M次迭代处理中生成的决策树，生成所述第一参与方的目标模型；其中，所述M为大于等于1的整数。

5.根据权利要求4所述的方法，其中，所述M次迭代处理中，第i次迭代处理，包括：

基于第i-1次迭代处理的预测值以及所述第一参与方的标签数据，得到一阶导数以及二阶导数；其中，i为大于等于1且小于等于M的整数；

基于所述一阶导数、所述二阶导数以及所述合并后的数据分桶，构建所述第一参与方的信息增益直方图，将所述第一参与方的信息增益直方图与所述N个第二参与方的信息增益直方图进行合并得到合并后的直方图；

基于所述合并后的直方图的最优分裂点，确定所述第i次迭代处理的决策树；

基于所述第i次迭代处理的决策树以及i-1次迭代处理得到的i-1个决策树确定当前模型，在所述当前模型不满足所述收敛条件的情况下，基于所述当前模型生成所述第i次迭代处理的预测值；在所述当前模型满足收敛条件的情况下，确定迭代结束并将所述当前模型作为所述第一参与方的目标模型。

6.根据权利要求5所述的方法，其中，所述基于所述合并后的直方图的最优分裂点，确定所述第i次迭代处理的决策树，包括：

确定所述合并后的直方图的信息增益最大值，基于所述信息增益最大值确定最优分裂点；

基于所述最优分裂点对所述第一参与方的样本数据进行分裂得到当前决策树；

若所述当前决策树达到终止分裂条件，则将所述当前决策树作为所述第i次迭代处理的决策树。