[发明专利]决策树模型的训练方法、系统、存储介质及预测方法在审
| 申请号： | 201910944121.4 | 申请日： | 2019-09-30 |
| 公开（公告）号： | CN110728317A | 公开（公告）日： | 2020-01-24 |
| 发明（设计）人： | 江佳伟;符芳诚 | 申请（专利权）人： | 腾讯科技(深圳)有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 11291 北京同达信恒知识产权代理有限公司 | 代理人： | 李娟 |
| 地址： | 518044 广东省深圳*** | 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： | 本申请公开了一种决策树模型的训练方法、系统、存储介质及预测方法，涉及人工智能技术，利用人工智能中机器学习技术对决策树模型进行训练，所述方法包括：每个子处理节点分别针对当前训练的树节点，获取当前训练的树节点的节点训练特征集和梯度数据，根据获取的节点训练特征集和梯度数据确定出局部最佳分裂规则并发送给主处理节点；每个子处理节点分别针对当前训练的树节点；主处理节点从每个子处理节点确定出的局部最佳分裂规则中，选出当前训练的树节点对应的分裂规则。这样可以减少训练过程中各处理节点间传输的数据量，降低系统资源开销。 | ||
| 搜索关键词： | 树节点 子处理 决策树模型 梯度数据 特征集 主处理 分裂 机器学习技术 人工智能技术 人工智能 处理节点 存储介质 降低系统 节点确定 训练过程 资源开销 数据量 并发 传输 预测 申请 | ||
【主权项】：
1.一种决策树模型的训练方法，其特征在于，包括：/n每个子处理节点分别针对当前训练的树节点，获取所述当前训练的树节点的节点训练特征集和梯度数据，其中，所述梯度数据为所述决策树模型的特征矩阵的梯度数据，所述节点训练特征集是之前已训练的树节点的分裂规则和子处理节点的特征子集确定的，所述特征子集中包含多个特征列T
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腾讯科技(深圳)有限公司，未经腾讯科技(深圳)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/201910944121.4/，转载请声明来源钻瓜专利网。
