[发明专利]一种基于梯度提升决策树的模型训练方法及装置在审
| 申请号： | 201811210339.9 | 申请日： | 2018-10-17 |
| 公开（公告）号： | CN109472296A | 公开（公告）日： | 2019-03-15 |
| 发明（设计）人： | 陈超超;周俊 | 申请（专利权）人： | 阿里巴巴集团控股有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 北京博思佳知识产权代理有限公司 11415 | 代理人： | 林祥 |
| 地址： | 英属开曼群岛大开*** | 国省代码： | 开曼群岛;KY |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 公开了一种基于梯度提升决策树的模型训练方法及装置。将一个GBDT算法流程划分为两个阶段，在前一阶段，从与目标业务场景相近的业务场景的数据域获取已标注样本依次训练若干决策树，并确定经过前一阶段训练后产生的训练残差；在后一阶段，从目标业务场景的数据域获取已标注样本，并基于所述训练残差，继续训练若干决策树。最终，应用于目标业务场景的模型实际上是由前一阶段训练出的决策树与后一阶段训练出的决策树集成得到的。 | ||
| 搜索关键词： | 决策树 阶段训练 目标业务 模型训练 数据域 场景 残差 标注 样本 算法流程 业务场景 应用 | ||
【主权项】：
1.一种基于梯度提升决策树的模型训练方法，用于训练应用于目标业务场景的目标模型，所述方法包括：获取第一样本集合；所述第一样本集合是从源业务场景的数据域获取的已标注样本的集合；所述源业务场景是与所述目标业务场景相近的业务场景；使用所述第一样本集合，执行梯度提升决策树GBDT算法流程，依次训练至少一个决策树，直至满足预设的训练暂停条件；根据使用所述第一样本集合训练出的决策树，确定训练残差；获取第二样本集合；所述第二样本集合是从所述目标业务场景的数据域获取的已标注样本的集合；使用所述第二样本集合，基于所述训练残差继续执行GBDT算法流程，依次训练至少一个决策树，直至满足预设的训练停止条件；其中，所述目标模型是由已训练出的决策树集成得到的。
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阿里巴巴集团控股有限公司，未经阿里巴巴集团控股有限公司许可，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/201811210339.9/，转载请声明来源钻瓜专利网。
