[发明专利]基于构建梯度树模型的样本联合预测方法、系统及介质有效
| 申请号： | 201810918868.8 | 申请日： | 2018-08-10 |
| 公开（公告）号： | CN109299728B | 公开（公告）日： | 2023-06-27 |
| 发明（设计）人： | 马国强;范涛;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： | G06F18/214 | 分类号： | G06F18/214;G06F18/243;G06F18/27;G06N20/20;G06N3/098 |
| 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构建梯度树模型的样本联合预测方法、系统及介质，方法包括以下步骤：数据终端基于梯度下降树GBDT算法对多方训练样本进行联邦训练，以构建梯度树模型，其中，所述数据终端为多个，所述梯度树模型包括多棵回归树，所述回归树包括多个分割点，所述训练样本包括多个特征，所述特征与所述分割点一一对应；所述数据终端基于所述梯度树模型，对待预测样本进行联合预测，以确定待预测样本的预测值。本发明通过GBDT算法对多方训练样本进行联邦训练，实现梯度树模型建立，通过梯度树模型，适用于数据量规模大的场景，可以很好地满足现实生产环境需要；对待预测样本进行联合预测，实现对待预测样本的预测。 | ||
| 搜索关键词： | 基于 构建 梯度 模型 样本 联合 预测 方法 系统 介质 | ||
【主权项】：
1.一种联邦学习方法，其特征在于，所述联邦学习方法包括以下步骤：数据终端基于梯度下降树GBDT算法对多方训练样本进行联邦训练，以构建梯度树模型，其中，所述数据终端为多个，所述梯度树模型包括多棵回归树，所述回归树包括多个分割点，所述训练样本包括多个特征，所述特征与所述分割点一一对应；所述数据终端基于所述梯度树模型，对待预测样本进行联合预测，以确定待预测样本的预测值。
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/201810918868.8/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于特征向量和笔顺编码的汉字字形相似算法
- 下一篇：车辆检测方法及装置
