(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211199197.7 (22)申请日 2022.09.29 (71)申请人 中国农业银行股份有限公司 地址 100005 北京市东城区建国门内大街 69号 (72)发明人 文一帆　 (74)专利代理 机构 北京品源专利代理有限公司 11332 专利代理师 岳晓萍 (51)Int.Cl. G06K 9/62(2022.01) G06Q 40/02(2012.01) (54)发明名称 分类模型训练方法、 装置、 电子设备及存储 介质 (57)摘要 本发明公开了一种分类模型训练方法、 装 置、 电子设备及存储介质。 该方法包括： 获取初始 样本数据集， 其中， 所述初始样本数据集包括第 一数据子集和第二数据子集， 所述第一数据子集 的样本数量大于所述第二数据子集的样本数量； 基于第一权重在第一数据子集中进行数据抽样， 以及基于第二权重在第二数据子集中进行数据 抽样， 得到训练数据集， 其中， 所述第一权重小于 所述第二权重； 基于所述训练数据集中的样本数 据和所述样 本数据对应的分类结果， 对待训练的 分类模型进行训练， 得到目标分类模型。 上述技 术方案， 提高了不平衡数据集下的分类效果。 权利要求书2页 说明书9页 附图3页 CN 115496157 A 2022.12.20 CN 115496157 A 1.一种分类模型训练方法， 其特 征在于， 包括： 获取初始样本数据集， 其中， 所述初始样本数据集包括第 一数据子集和第 二数据子集， 所述第一数据子集的样本数量大于所述第二数据子集的样本数量； 基于第一权重在第 一数据子集中进行数据抽 样， 以及基于第 二权重在第 二数据子集中 进行数据抽样， 得到训练数据集， 其中， 所述第一权 重小于所述第二权 重； 基于所述训练数据集中的样本数据和所述样本数据对应的分类结果， 对待训练 的分类 模型进行训练， 得到目标分类模型。 2.根据权利要求1所述的方法， 其特 征在于， 所述分类模型为随机森林模型； 相应的， 所述基于所述训练数据集中的样本数据和所述样本数据对应的分类结果， 对 待训练的分类模型进行训练， 得到目标分类模型， 包括： 基于所述训练数据集中的样本数据和所述样本数据对应的分类结果， 对待训练 的随机 森林模型进行训练， 得到目标分类模型； 其中， 所述目标分类模型包括多个决策树。 3.根据权利要求2所述的方法， 其特 征在于， 所述样本数据包括属性信息和阈值信息； 相应的， 所述基于所述训练数据集中的样本数据和所述样本数据对应的分类结果， 对 待训练的随机森林模型进行训练， 得到目标分类模型， 包括： 根据所述样本数据的属性信 息和阈值信 息， 对所述随机森林模型中初始决策树进行分 裂， 直至满足分裂停止条件， 得到多个决策树； 根据多个所述决策树构建目标分类模型。 4.根据权利要求3所述的方法， 其特 征在于， 所述分裂停止条件 包括： 所述训练数据集的数量 为一条； 或者， 决策树节点 规模值小于等于节点 规模阈值； 或者， 决策树节点深度值大于等于节点深度阈值。 5.根据权利要求1所述的方法， 其特征在于， 所述第 一数据子集为银行普通用户信用信 息， 所述第二数据子集 为银行优质用户信用信息 。 6.根据权利要求1所述的方法， 其特 征在于， 在所述得到目标分类模型之后， 还 包括： 获取待分类数据； 将所述待分类数据输入至所述目标分类模型， 得到目标分类结果。 7.根据权利要求6所述的方法， 其特征在于， 所述将所述待分类数据输入至所述目标分 类模型， 得到目标分类结果， 包括： 将所述待分类数据分别输入至各决策树， 得到各 所述决策树对应的分类结果； 基于各所述决策树的投票权 重和各所述决策树对应的分类结果确定目标分类结果。 8.一种分类模型训练装置， 其特 征在于， 包括： 初始样本数据集获取模块， 用于获取初始样本数据集， 其中， 所述初始样本数据集包括 第一数据子集和 第二数据子集， 所述第一数据子集的样本数量大于所述第二数据子集的样 本数量； 数据抽样模块， 用于基于第一权重在第一数据子集中进行数据抽样， 以及基于第二权 重在第二数据子集中进 行数据抽样， 得到训练数据集， 其中， 所述第一权重小于所述第二权 重；权　利　要　求　书 1/2 页 2 CN 115496157 A 2分类模型训练模块， 用于基于所述训练数据集中的样本数据和所述样本数据对应的分 类结果， 对待训练的分类模型进行训练， 得到目标分类模型。 9.一种电子设备， 其特 征在于， 所述电子设备包括： 至少一个处 理器； 以及 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的计算机程序， 所述计算机程序被所 述至少一个处理器执行， 以使所述至少一个处理器能够执行权利要求1 ‑7中任一项所述的 分类模型训练方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机指 令， 所述计算机指令用于使处理器执行时实现权利要求1 ‑7中任一项所述的分类模型训练 方法。权　利　要　求　书 2/2 页 3 CN 115496157 A 3