[发明专利]基于联邦训练的样本预测方法、装置及存储介质有效
| 申请号： | 201810913869.3 | 申请日： | 2018-08-10 |
| 公开（公告）号： | CN109165683B | 公开（公告）日： | 2023-09-12 |
| 发明（设计）人： | 范涛;成柯葳;马国强;刘洋;陈天健;杨强 | 申请（专利权）人： | 深圳前海微众银行股份有限公司 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00;G06F18/214;G06F18/27;G06F18/243 |
| 代理公司： | 深圳市世纪恒程知识产权代理事务所 44287 | 代理人： | 胡海国;魏兰 |
| 地址： | 518052 广东省深圳市前海深港合作区前*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于联邦训练的样本预测方法，包括以下步骤：采用XGboost算法对两个对齐的训练样本进行联邦训练，以构建梯度提升树模型，其中，所述梯度提升树模型包括多棵回归树，所述回归树的一个分裂节点对应训练样本的一个特征；基于所述梯度提升树模型，对待预测样本进行联合预测，以确定待预测样本的样本类别或获得待预测样本的预测得分。本发明还公开了一种基于联邦训练的样本预测装置及计算机可读存储介质。本发明实现了使用不同数据方的训练样本进行联邦训练建模，进而基于建立的模型实现样本预测。 | ||
| 搜索关键词： | 基于 联邦 训练 样本 预测 方法 装置 存储 介质 | ||
【主权项】：
1.一种基于联邦训练的样本预测方法，其特征在于，所述基于联邦训练的样本预测方法包括以下步骤：采用XGboost算法对两个对齐的训练样本进行联邦训练，以构建梯度提升树模型，其中，所述梯度提升树模型包括多棵回归树，所述回归树的一个分裂节点对应训练样本的一个特征；基于所述梯度提升树模型，对待预测样本进行联合预测，以确定待预测样本的样本类别或获得待预测样本的预测得分。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于深圳前海微众银行股份有限公司，未经深圳前海微众银行股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810913869.3/，转载请声明来源钻瓜专利网。
