利用复合机器学习模型来执行预测的方法及系统与流程

技术特征：
1.一种利用复合机器学习模型来执行预测的方法，其中，所述复合机器学习模型包括至少两种类型的子模型，所述方法包括：(a)获取预测数据记录；(b)基于预测数据记录的属性信息来生成与预测数据记录对应的预测样本的多个特征子集；以及(c)将预测样本的多个特征子集分别提供给复合机器学习模型所包括的子模型，以得到复合机器学习模型针对预测样本的预测结果，其中，在所述复合机器学习模型中，所述子模型根据梯度提升框架训练而成。2.如权利要求1所述的方法，其中，所述子模型包括至少一个线性子模型和至少一个决策树子模型。3.如权利要求1所述的方法，其中，所述子模型包括至少一个上下层嵌套的复合子模型。4.如权利要求3所述的方法，其中，所述复合子模型的上层模型为一个决策树模型部分，并且，所述复合子模型的下层模型为至少一个线性模型部分，其中，每个线性模型部分对应于决策树模型部分的一个叶子节点。5.如权利要求2所述的方法，其中，在步骤(b)中，基于预测数据记录的属性信息来生成预测样本的特征，并根据特征的取值连续性和/或取值空间规模来生成预测样本的决策树特征子集和预测样本的线性特征子集。6.如权利要求2所述的方法，其中，在步骤(b)中，基于预测数据记录的属性信息来生成预测样本的特征，并根据特征的缺失性来生成预测样本的决策树特征子集和预测样本的线性特征子集，其中，特征的缺失性指示该特征是否基于预测数据记录相对于训练数据记录的缺失属性信息而生成。7.如权利要求4所述的方法，其中，在步骤(b)中，基于预测数据记录的属性信息来生成预测样本的特征，并根据特征的取值连续性和/或取值空间规模来生成预测样本的上层特征子集和预测样本的下层特征子集。8.一种利用复合机器学习模型来执行预测的系统，其中，所述复合机器学习模型包括至少两种类型的子模型，所述系统包括：预测数据记录获取装置，用于获取预测数据记录；预测特征子集产生装置，用于基于预测数据记录的属性信息来生成与预测数据记录对应的预测样本的多个特征子集；以及预测装置，用于将预测样本的多个特征子集分别提供给复合机器学习模型所包括的子模型，以得到复合机器学习模型针对预测样本的预测结果，其中，在所述复合机器学习模型中，所述子模型根据梯度提升框架训练而成。9.一种训练复合机器学习模型的方法，其中，所述复合机器学习模型包括至少两种类型的子模型，所述方法包括：(a)获取训练数据记录；(b)基于训练数据记录的属性信息来生成与训练数据记录对应的训练样本的多个特征子集；以及(c)根据梯度提升框架来训练复合机器学习模型所包括的子模型，其中，每个子模型基
于各自的特征子集来进行训练。10.一种训练复合机器学习模型的系统，其中，所述复合机器学习模型包括至少两种类型的子模型，所述系统包括：训练数据记录获取装置，用于获取训练数据记录；训练特征子集产生装置，用于基于训练数据记录的属性信息来生成与训练数据记录对应的训练样本的多个特征子集；以及训练装置，用于根据梯度提升框架来训练复合机器学习模型所包括的子模型，其中，每个子模型基于各自的特征子集来进行训练。

技术总结
提供了一种利用复合机器学习模型来执行预测的方法及系统，其中，所述复合机器学习模型包括至少两种类型的子模型，所述方法包括：(A)获取预测数据记录；(B)基于预测数据记录的属性信息来生成与预测数据记录对应的预测样本的多个特征子集；(C)将预测样本的多个特征子集分别提供给复合机器学习模型所包括的子模型，以得到复合机器学习模型针对预测样本的预测结果，其中，在所述复合机器学习模型中，所述子模型根据梯度提升框架训练而成。通过这种方式，能够有效地融合多种类型的子模型来协同工作，充分发挥各个子模型的优势以取得较好的综合机器学习效果。综合机器学习效果。综合机器学习效果。


技术研发人员：杨强 戴文渊 陈雨强 郭夏玮 涂威威
受保护的技术使用者：第四范式（北京）技术有限公司
技术研发日：2017.05.05
技术公布日：2021/10/28