[发明专利]一种剔除异常样本的方法及计算机设备

权利要求书

1.一种剔除异常样本的方法，其特征在于，包括：

利用原始训练样本集合对N个模型进行训练，得到N个训练后的模型；其中，所述原始训练样本集合中包括X个训练样本；X与N均为大于2的整数；

分别通过N个所述训练后的模型，对X个所述训练样本进行处理，得到N组预测值集合；其中，每组所述预测值集合中的X个预测值与X个所述训练样本一一对应；

基于X个所述训练样本在每组所述预测值集合中的排名值，从所述原始训练样本集合中确定出异常样本进行剔除，得到新的训练样本集合。

2.根据权利要求1所述的剔除异常样本的方法，其特征在于，所述分别通过N个所述训练后的模型，对X个所述训练样本进行处理，得到N组预测值集合，包括：

通过每个所述训练后的模型，对X个所述训练样本的样本特征进行处理；

确定通过每个所述训练后的模型，基于所述样本特征输出目标标签的X个概率值；

将N个所述训练后的模型输出的N组X个所述概率值，作为N组预测值集合。

3.根据权利要求2所述的剔除异常样本的方法，其特征在于，所述基于X个所述训练样本在每组所述预测值集合中的排名值，从所述原始训练样本集合中确定出异常样本进行剔除，得到新的训练样本集合，包括：

获取每个所述训练样本在每组所述预测值集合中的排名值；

根据所述排名值测算每个所述训练样本对应的排序标准差；

根据每个所述训练样本对应的排序标准差，从所述原始训练样本集合中确定出异常样本；

从所述原始训练样本集合中剔除所述异常样本，得到新的训练样本集合。

4.根据权利要求3所述的剔除异常样本的方法，其特征在于，所述获取每个所述训练样本在每组所述预测值集合中的排名值，包括：

对每组所述预测值集合中的X个所述概率值，依据大小进行排序，得到每个所述训练样本在每组所述预测值集合中的排名值。

5.根据权利要求4所述的剔除异常样本的方法，其特征在于，所述根据所述排名值测算每个所述训练样本对应的排序标准差，包括：

通过以下公式测算每个所述训练样本对应的标准差；

其中，σ为标准差；N为所述训练后的模型的个数，以及所述预测值集合的组数；X_i为所述训练样本在第i组所述预测值集合中的排名值；μ为所述训练样本的N个排名值的均值。

6.根据权利要求3所述的剔除异常样本的方法，其特征在于，所述根据每个所述训练样本对应的排序标准差，从所述原始训练样本集合中确定出异常样本，包括：

将所有所述训练样本对应的标准差按照大小进行排序，得到标准差排序列表；

从所述标准差排序列表中确定出目标标准差；

将所述原始训练样本集合中与所述目标标准差对应的训练样本，作为异常样本。

7.根据权利要求1-6任一项所述的剔除异常样本的方法，其特征在于，在所述基于X个所述训练样本在所述每组预测值集合中的排名值，从所述原始训练样本集合中确定出异常样本进行剔除，得到新的训练样本集合的步骤之后，还包括：

将所述新的训练样本集合上传至区块链节点中。

8.一种剔除异常样本的装置，其特征在于，包括：

训练单元，用于利用原始训练样本集合对N个模型进行训练，得到N个训练后的模型；其中，所述原始训练样本集合中包括X个训练样本；X与N均为大于2的整数；

执行单元，用于分别通过N个所述训练后的模型，对X个所述训练样本进行处理，得到N组预测值集合；其中，每组所述预测值集合中的X个预测值与X个所述训练样本一一对应；

样本剔除单元，用于基于X个所述训练样本在每组所述预测值集合中的排名值，从所述原始训练样本集合中确定出异常样本进行剔除，得到新的训练样本集合。