CN110796265B - 决策树模型的交互式操作方法、装置、终端设备及介质 - Google Patents
决策树模型的交互式操作方法、装置、终端设备及介质 Download PDFInfo
- Publication number
- CN110796265B CN110796265B CN201911040651.2A CN201911040651A CN110796265B CN 110796265 B CN110796265 B CN 110796265B CN 201911040651 A CN201911040651 A CN 201911040651A CN 110796265 B CN110796265 B CN 110796265B
- Authority
- CN
- China
- Prior art keywords
- model
- decision tree
- node
- local
- local model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003066 decision tree Methods 0.000 title claims abstract description 280
- 230000002452 interceptive effect Effects 0.000 title claims abstract description 114
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000013138 pruning Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 2
- 238000009795 derivation Methods 0.000 claims 1
- 238000013508 migration Methods 0.000 abstract description 13
- 230000005012 migration Effects 0.000 abstract description 13
- 230000000007 visual effect Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 230000008676 import Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000004321 preservation Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种决策树模型的交互式操作方法、装置、终端设备及计算机可读存储介质,通过获取针对当前决策树模型交互式操作的局部模型加载指令;检测所述局部模型加载指令中的目标节点和已训练模型对应的局部模型信息,并对所述局部模型信息进行解析;将解析得到的局部模型导入到所述目标节点中。本发明实现了,针对决策树模型的局部节点进行交互式操作以建立模型,实现对决策树局部模型的迁移使用,避免了导入整个固定模型进行建模的灵活性差以及逐步手动操作进行建模耗用时间长的技术问题,提升了交互式操作的建模效率。
Description
技术领域
本发明涉及Fintech(金融科技)技术领域,尤其涉及一种决策树模型的交互式操作方法、装置、终端设备及计算机可读存储介质。
背景技术
在机器学习决策树模型进行交互式建模的过程中,基于模型迁移使用的需求,建模人员通常需要在当前决策树的某个节点上,导入加载已有的模型或者将当前决策树模型的部分节点作为一个通用的模型导出进行保存。
而在现有决策树模型交互式操作进行建模的方式中,建模人员通过是直接导入整个结构固定而难以进行修改的模型来建模,或者是按照已有的模型规则,逐步手动的进行交互式操作来建模,如此,在当前决策树模型庞大、导入的模型庞大或者模型训练数据集庞大的情形下,决策树模型的交互式操作建模将非常耗时,建模效率低。
发明内容
本发明的主要目的在于提供一种决策树模型的交互式操作方法、装置、终端设备及计算机可读存储介质,旨在解决现有的决策树模型交互式操作方式,建模效率低下的技术问题。
为实现上述目的,本发明提供一种决策树模型的交互式操作方法,所述决策树模型的交互式操作方法包括:
获取针对当前决策树模型交互式操作的局部模型加载指令;
检测所述局部模型加载指令中的目标节点和已训练模型对应的局部模型信息,并对所述局部模型信息进行解析;
将解析得到的局部模型导入到所述目标节点中。
进一步地,在所述获取针对当前决策树模型交互式操作的局部模型加载指令之前,所述方法还包括:
获取针对所述已训练模型交互式操作的局部模型导出指令;
检测所述局部模型导出指令选定的局部模型,生成并保存选定的局部模型对应的局部模型信息。
进一步地,所述检测所述局部模型导出指令选定的局部模型,生成并保存选定的局部模型对应的局部模型信息的步骤,包括:
在当前所述决策树模型中以局部模型导出指令所指定的目标操作节点为根节点读取模型信息;
将读取到的所述模型信息转化生成文本文件作为当前所述决策树模型的局部模型导出进行存储。
进一步地,所述检测所述局部模型加载指令中的目标节点和已训练模型对应的局部模型信息,并对所述局部模型信息进行解析的步骤,包括:
检测所述局部模型加载指令在当前决策树模型中所指定的目标节点;
获取所述局部模型加载指令携带的已训练模型对应的局部模型信息;
解析所述局部模型信息以生成当前所述决策树模型的局部模型。
进一步地,在所述将解析得到的局部模型导入到所述目标节点中的步骤之前,还包括:
检测所述目标节点的节点类型,其中,所述节点类型包括叶子节点和非叶子节点;
当检测到所述节点类型为非叶子节点时,对所述目标节点进行剪枝处理使所述节点类型转为叶子节点以便于导入所述局部模型。
进一步地,所述按照各所述节点信息将所述局部模型信息导入至所述目标节点的步骤,包括:
逐一检测所述局部模型的各节点信息是否与当前所述决策树模型相兼容,并对检测到的不兼容的所述节点信息进行调整;
按照调整后的所述节点信息在所述目标节点上构建生成当前所述决策树模型的子决策树。
进一步地,在所述按照调整后的所述节点信息在所述目标节点上构建生成当前所述决策树模型的子决策树的步骤之后,还包括:
更新所述子决策树各节点的ID标识,并生成所述子决策树的统计信息以确定在所述目标操作节点上完成模型加载操作。
此外,为实现上述目的,本发明还提供一种决策树模型的交互式操作装置,所述决策树模型的交互式操作装置包括:
获取模块,用于获取针对当前决策树模型交互式操作的局部模型加载指令;
检测解析模块,用于检测所述局部模型加载指令中的目标节点和已训练模型对应的局部模型信息,并对所述局部模型信息进行解析;
导入模块,用于将解析得到的局部模型导入到所述目标节点中。
本发明还提供一种终端设备,所述终端设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的决策树模型的交互式操作程序,所述决策树模型的交互式操作程序被所述处理器执行时实现如上述中的决策树模型的交互式操作方法的步骤。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述的决策树模型的交互式操作方法的步骤。
本发明提出的决策树模型的交互式操作方法、装置、终端设备以及计算机可读存储介质,通过获取针对当前决策树模型交互式操作的局部模型加载指令;检测所述局部模型加载指令中的目标节点和已训练模型对应的局部模型信息,并对所述局部模型信息进行解析;将解析得到的局部模型导入到所述目标节点中。本发明在建模人员针对决策树模型进行交互式操作的建模过程中,获取针对当前决策树模型的目标节点进行局部模型导入操作的局部模型加载指令指令,基于建模人员所点选操作指令中携带的已训练模型对应的局部模型信息进行解析生成当前决策树模型的局部模型,并在该目标节点上导入该局部模型,从而实现了,针对决策树模型的局部节点进行交互式操作以建立模型,实现对决策树局部模型的迁移使用,避免了导入整个固定模型进行建模的灵活性差以及逐步手动操作进行建模耗用时间长的技术问题,提升了交互式操作的建模效率。
附图说明
图1是本发明实施例方案涉及的硬件运行的结构示意图;
图2是本发明一种决策树模型的交互式操作方法第一实施例的流程示意图;
图3是本发明一种决策树模型的交互式操作方法一实施例的操作界面示意图;
图4是本发明一种决策树模型的交互式操作装置的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,图1是本发明实施例方案涉及的硬件运行环境的结构示意图。
需要说明的是,图1即可为终端设备的硬件运行环境的结构示意图。本发明实施例终端设备可以是PC,便携计算机等终端设备。
如图1所示,该终端设备可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的终端设备结构并不构成对终端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及分布式任务的处理程序。其中,操作系统是管理和控制样本终端设备硬件和软件资源的程序,支持分布式任务的处理程序以及其它软件或程序的运行。
在图1所示的终端设备中,用户接口1003主要用于与各个终端进行数据通信;网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;而处理器1001可以用于调用存储器1005中存储的决策树模型的交互式操作程序,并执行以下操作:
获取针对当前决策树模型交互式操作的局部模型加载指令;
检测所述局部模型加载指令中的目标节点和已训练模型对应的局部模型信息,并对所述局部模型信息进行解析;
将解析得到的局部模型导入到所述目标节点中。
进一步地,处理器1001可以调用存储器1005中存储的决策树模型的交互式操作程序,在执行获取针对当前决策树模型交互式操作的局部模型加载指令的步骤之前,还执行以下操作:
获取针对所述已训练模型交互式操作的局部模型导出指令;
检测所述局部模型导出指令选定的局部模型,生成并保存选定的局部模型对应的局部模型信息。
进一步地,处理器1001可以调用存储器1005中存储的决策树模型的交互式操作程序,还执行以下操作:
在当前所述决策树模型中以局部模型导出指令所指定的目标操作节点为根节点读取模型信息;
将读取到的所述模型信息转化生成文本文件作为当前所述决策树模型的局部模型导出进行存储。
进一步地,处理器1001可以调用存储器1005中存储的决策树模型的交互式操作程序,还执行以下操作:
检测所述局部模型加载指令在当前决策树模型中所指定的目标节点;
获取所述局部模型加载指令携带的已训练模型对应的局部模型信息;
解析所述局部模型信息以生成当前所述决策树模型的局部模型。
进一步地,处理器1001可以调用存储器1005中存储的决策树模型的交互式操作程序,在执行将解析得到的局部模型导入到所述目标节点中的步骤之前,还执行以下操作:
检测所述目标节点的节点类型,其中,所述节点类型包括叶子节点和非叶子节点;
当检测到所述节点类型为非叶子节点时,对所述目标节点进行剪枝处理使所述节点类型转为叶子节点以便于导入所述局部模型。
进一步地,处理器1001可以调用存储器1005中存储的决策树模型的交互式操作程序,还执行以下操作:
逐一检测所述局部模型的各节点信息是否与当前所述决策树模型相兼容,并对检测到的不兼容的所述节点信息进行调整;
按照调整后的所述节点信息在所述目标节点上构建生成当前所述决策树模型的子决策树。
进一步地,处理器1001可以调用存储器1005中存储的决策树模型的交互式操作程序,在执行按照调整后的所述节点信息在所述目标节点上构建生成当前所述决策树模型的子决策树的步骤之后,还执行以下操作:
更新所述子决策树各节点的ID标识,并生成所述子决策树的统计信息以确定在所述目标操作节点上完成模型加载操作。
基于上述的结构,提出本发明决策树模型的交互式操作方法的各个实施例。
请参照图2,图2为本发明决策树模型的交互式操作方法第一实施例的流程示意图。
本发明实施例提供了决策树模型的交互式操作方法的实施例,需要说明的是,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本发明实施例决策树模型的交互式操作方法应用于上述终端设备,本发明实施例终端设备可以是PC,便携计算机等终端设备,在此不做具体限制。
本实施例决策树模型的交互式操作方法包括:
步骤S100,获取针对当前决策树模型交互式操作的局部模型加载指令。
监测建模人员针对当前决策树模型进行交互式操作所进行的一系列前端操作,当检测到在建模人员所进行的前端操作中,建模人员点选了预先设定的指令控件时,获取该指令控件所映射的局部模型加载指令。
具体地,例如,在如图3所示的可视化交互式操作界面中,对建模人员针对当前决策树模型进行交互式操作的整个操作过程进行监测,并在建模人员基于可视化界面中的光标,先选中当前决策树模型中的任意节点,再点击调出功能菜单,然后基于光标选择点击该功能菜单中的任意指令控件的一系列前端操作中,根据监测到的建模人员所点选的“导出子树”或者“导入子树”等指令控件,获取建模人员点选各“导出子树”或者“导入子树”等指令控件中的“导入子树”指令控件所映射生成的“局部模型加载指令”。
步骤S200,检测所述局部模型加载指令中的目标节点和已训练模型对应的局部模型信息,并对所述局部模型信息进行解析。
步骤S300,将解析得到的局部模型导入到所述目标节点中。
需要说明的是,针对决策树模型进行交互式操作的操作指令所属的指令类型包括但不限于:模型加载和节点保存,应当理解的是,本发明决策树模型的交互式操作方法,并不对针对决策树模型进行交互式操作的操作指令所属的指令类型进行限定。
当通过监测建模人员针对当前决策树模型进行交互式操作所进行的一系列前端操作,而获取到建模人员点选指令控件所映射的局部模型加载指令之后,检测该局部模型加载指令在当前决策树模型中所指定的建模人员需要进行交互式操作的目标节点,并获取局部模型加载指令携带的已训练模型对应的局部模型信息,对该局部模型信息进行解析,以生成构建当前决策树模型的局部模型,根据解析生成的构建当前决策树模型的局部模型的各个节点信息,在局部模型加载指令所指定当前决策树模型的目标节点上,构建当前决策树模型的子决策树,从而将获取到的局部模型信息导入至该目标节点上。
具体地,例如,在如图3所示的可视化交互式操作界面中,监测到建模人员基于可视化界面中的光标,先选中了当前决策树模型中节点ID(Identity document,身份证标识号、账号、唯一编码、专属号码、工业设计、国家简称、法律词汇、通用账户、译码器、软件公司等各类专有词汇的缩写)标识号为“1”的节点,然后右击光标(点击鼠标右键)调取出功能菜单,并基于光标选择点击该功能菜单中的“导出子树”指令控件,从而获取到该“导出子树”指令控件所映射生成的“节点保存”操作指令,从而,在检测到建模人员选中当前决策树模型中节点ID标识号为“1”的节点进行交互式操作时,将该节点ID标识号为“1”的节点确定为目标节点。
当监测到建模人员基于可视化界面中的光标,先选中了当前决策树模型中节点ID标识号为“1”的节点,然后右击光标(点击鼠标右键)调取出功能菜单,并基于光标选择点击该功能菜单中的“导入子树”指令控件,从而获取到该“导入子树”指令控件所映射生成的操作指令并检测到该操作指令所属的指令类型为“模型加载”,从而,进一步检测建模人员在随后进行的前端操作过程中,基于可视化界面中的光标在弹出的“文件选择框”(图中未示出)中所输入的局部模型信息的文本文件在当前设备终端硬件存储或者运行内存中的保存路径,从而根据该存储路径提取出该文本文件以获取到局部模型信息。
调用现有的任意语法解析算法,对获取到的局部模型信息的文本文件进行语法解析,从而解析识别出建模人员针对当前决策树模型的目标节点构建子决策树,以实现对局部模型进行迁移使用所需要的节点拆分规则、节点预测值等各个节点信息,根据解析生成的构建当前决策树模型的局部模型的节点信息,在操作指令所指定当前决策树模型的目标节点上,构建当前决策树模型的子决策树,从而将获取到的局部模型信息导入至该目标节点上。
进一步地,步骤S300,将解析得到的局部模型导入到所述目标节点中,包括:
步骤S301,逐一检测所述局部模型的各节点信息是否与当前所述决策树模型相兼容,并对检测到的不兼容的所述节点信息进行调整。
步骤S302,按照调整后的所述节点信息在所述目标节点上构建生成当前所述决策树模型的子决策树。
具体地,例如,在如图3所示的可视化交互式操作界面上,按照检测到的与当前决策树模型相互兼容的节点拆分规则、节点预测值等各节点信息,和经过调整后与当前决策树模型相互兼容的节点拆分规则、节点预测值等各节点信息,在当前建模人员所选中的当前决策树模型中节点ID标识号为“1”的节点上,构建生成当前决策树模型的子决策树,从而实现将获取到的待加载局部决策树模型导入至当前决策树模型的目标节点上。
进一步地,在步骤S302,按照调整后的所述节点信息在所述目标节点上构建生成当前所述决策树模型的子决策树之后,本发明决策树模型的交互式操作方法,还包括:
步骤S303,更新所述子决策树各节点的ID标识,并生成所述子决策树的统计信息以确定在所述目标操作节点上完成模型加载操作。
需要说明的是,在决策树模型中,用ID标识来标识决策树模型中的每一个节点,因此,ID标识在决策树模型中是独一无二的,在将待加载局部决策树模型导入至当前决策树模型中时,导入的模型节点的ID标识可能与当前决策树模型中节点的ID标识相互重复,因此需要对导入的子决策树的所有节点的ID标识进行调整。
具体地,例如,获取当前决策树模型各个节点的ID标识号中最大的ID标识--X,然后获取导入的子决策树各个节点的ID标识号中最小ID号--Y(通常为根节点的ID标识号),设增量--W=X+1–Y,在导入的子决策树每个节点的ID标识号上都加上W,从而保证导入该子决策树之后,当前决策树模型各个节点的ID标识都是独一无二的。
调用建模人员构建当前决策树模型所使用的训练数据,对构建生成的当前决策树模型的子决策树进行决策树推理,从而得出该子决策树中各“叶子节点”的预测值,将并该推理得出的预测值对该各个“叶子节点”进行更新作为该子决策树的最终预测结果,从而确定在当前决策树模型的目标操作节点上完成了模型加载操作,即可以实现在当前决策树模型导入的局部模型进行迁移使用。
在本实施例中,通过监测建模人员针对当前决策树模型进行交互式操作所进行的一系列前端操作,当检测到在建模人员所进行的前端操作中,建模人员点选了预先设定的指令控件时,获取该指令控件所映射的局部模型加载指令,当通过监测建模人员针对当前决策树模型进行交互式操作所进行的一系列前端操作,而获取到建模人员点选指令控件所映射的局部模型加载指令之后,检测该局部模型加载指令在当前决策树模型中所指定的建模人员需要进行交互式操作的目标节点,并获取局部模型加载指令携带的已训练模型对应的局部模型信息,对该局部模型信息进行解析,以生成构建当前决策树模型的局部模型,根据解析生成的构建当前决策树模型的局部模型的各个节点信息,在局部模型加载指令所指定当前决策树模型的目标节点上,构建当前决策树模型的子决策树,从而将获取到的局部模型信息导入至该目标节点上。
实现了,针对决策树模型的局部节点进行交互式操作以建立模型,实现对决策树局部模型的迁移使用,避免了导入整个固定模型进行建模的灵活性差以及逐步手动操作进行建模耗用时间长的技术问题,提升了交互式操作的建模效率。
进一步地,基于上述决策树模型的交互式操作方法第一实施例,提出本发明决策树模型的交互式操作方法的第二实施例。
在本发明决策树模型的交互式操作方法的第二实施例中,在上述步骤S100,获取针对当前决策树模型交互式操作的局部模型加载指令之前,本发明决策树模型的交互式操作方法,还包括:
步骤S400,获取针对所述已训练模型交互式操作的局部模型导出指令。
步骤S500,检测所述局部模型导出指令选定的局部模型,生成并保存选定的局部模型对应的局部模型信息
监测建模人员针对当前决策树模型进行交互式操作所进行的一系列前端操作,当检测到在建模人员所进行的前端操作中,建模人员点选了预先设定的指令控件时,获取该指令控件所映射的局部模型导出指令,对应的在该操作指令所指定的建模人员需要对当前决策树模型进行模型导出操作的目标操作节点上,将建模人员所选中需要导出保存的局部模型导出以文本文件形式进行存储。
进一步地,步骤S500,包括:
步骤S304,在当前所述决策树模型中以局部模型导出指令所指定的目标操作节点为根节点读取模型信息。
步骤S305,将读取到的所述模型信息转化生成文本文件作为当前所述决策树模型的局部模型导出进行存储。
当检测到获取到的建模人员对当前决策树模型进行交互式操作的操作指令所属的指令类型为节点保存时,确定建模人员需要以当前决策树模型的目标操作节点为根节点,截取出当前决策树模型的子决策树并导出进行保存,则以当前目标操作节点为根节点读取以该根节点构成的子决策树的决策树模型信息,并将读取到的决策树模型信息转化为文本文件的形式,然后将该文本文件标记为局部模型保存在进行交互式操作的终端设备的硬件存储或者运行内存中,以供后续选取导入其他决策树模型进行迁移使用。
具体地,例如,在如图3所示的可视化交互式操作界面中,当监测到建模人员基于可视化界面中的光标,先选中了当前决策树模型中节点ID标识号为“1”的节点,然后右击光标(点击鼠标右键)调取出功能菜单,并基于光标选择点击该功能菜单中的“导出子树”指令控件,从而获取到该“导出子树”指令控件所映射生成的操作指令并检测到该操作指令所属的指令类型为“节点保存”,从而,以该目标操作节点为根节点,读取该根节点及该根节点以下的各个子节点的拆分规则、孩子节点索引、预测结果等决策树模型信息,并将读取到的该根节点及该根节点以下的各个子节点的拆分规则、孩子节点索引、预测结果等决策树模型信息以结构化文本的方式(如JSON)写入文件,然后将文件标记为局部模型并返回至可视化交互式操作界面,由建模人员确认保存之后,将该标记为局部模型的文本文件写入到当前设备的本地磁盘中,以备后续建模人员用于选取导入决策树模型局部的目标操作节点上实现决策树模型的迁移使用。
在本实施例中,通过以建模人员基于交互式操作所选取的节点为根节点,将当前决策树模型的部分子决策树转化为文本进行保存,以供后续导入其他模型进行建模实现对该部分子决策树的迁移使用,提高了对于决策树模型的迁移使用的灵活性。
进一步地,基于上述决策树模型的交互式操作方法第一实施例,提出本发明决策树模型的交互式操作方法的第三实施例。
在本发明决策树模型的交互式操作方法的第三实施例中,在上述步骤S300,将解析得到的局部模型导入到所述目标节点中之前,本发明决策树模型的交互式操作方法,还包括:
步骤A,检测所述目标节点的节点类型。
步骤B,当检测到所述节点类型为非叶子节点时,对所述目标操作节点进行剪枝处理使所述节点类型转为叶子节点以便于导入所述局部模型。
需要说明的是,本实施例中,决策树模型由节点和分支构成,节点可分为两类:叶子节点和非叶子节点;非叶子节中有一个根节点,是决策树模型的第一个选择点;每个非叶子节点分出至少两个分支,每个分支指向一个叶子节点或非叶子节点;非叶子节点的分支所指向的节点,称为该非叶子节点的子节点,该非叶子节点称为所指向的各节点的父节点;非叶子节点中包含拆分规则,非叶子节点的数据将根据选定变量特征的取值不同,分配至不同的子节点,这种选定的变量特征,以及取值的划分称为拆分规则;叶子节点不再指向任何节点。
在获取到建模人员点选指令控件所映射的操作指令,并检测该操作指令在当前决策树模型中所指定的建模人员需要进行交互式操作的目标节点之后,对该目标节点的节点类型进行检测,并在检测到当前建模人员需要进行交互式操作的目标节点的节点类型为“非叶子节点”时,基于建模人员构建构建当前决策树模型的子决策树以实现对局部模型进行迁移使用的建模需求,对当前目标节点进行剪枝处理,从而使该目标节点成为叶子节点,以便于将建模人员所选择的局部模型以该目标节点为根节点构建当前决策树模型的子决策树。
本实施例中,在检测到当前建模人员需要进行交互式操作的目标节点的节点类型为“非叶子节点”时,基于建模人员构建当前决策树模型的子决策树以实现对待加载局部决策树模型进行迁移使用的建模需求,对当前目标节点进行剪枝处理,从而使该目标节点成为叶子节点,以便于将建模人员所选择的局部模型以该目标节点为根节点构建当前决策树模型的子决策树,提高了基于交互式操作进行建模的灵活性,进一步提升了交互式操作的建模效率。
进一步地,基于上述决策树模型的交互式操作方法第一实施例,提出本发明决策树模型的交互式操作方法的第四实施例。
在本发明决策树模型的交互式操作方法的第四实施例中,上述步骤S301中,对检测到的不兼容的所述节点信息进行调整的步骤,包括:
步骤S3011,获取与当前所述决策树模型不兼容的所述节点信息中的各拆分规则。
步骤S3012,删除各所述拆分规则中当前所述决策树模型不适用的拆分规则。
需要说明的是,由于建模人员所选取的需要导入至当前决策树模型的目标操作节点以供迁移使用的局部模型中,可能含有当前决策树模型所不含有的特征,即局部模型中的训练数据有部分特征在当前决策树模型的训练数据集中是缺失的,如此,在将该局部模型导入至当前决策树模型的目标节点以构建生成当前决策树模型的子决策树之后,子决策树部分节点的拆分规则将会应用当前决策树模型的训练数据集所缺失的规则,因此,需要对构建生成当前决策树模型的子决策树进行进一步的剪枝处理,即将该子决策树中所有采用到了当前决策树模型的训练数据集所缺失的规则作为拆分规则的节点进行剪枝。
步骤S3013,读取各所述拆分规则中当前所述决策树模型适用的拆分规则的取值分布信息。
步骤S3014,删除所述取值分布信息中当前所述决策树模型所不存在的取值,并将当前所述决策树模型存在而所述取值分布信息中不存在的取值单独作为一个分支。
具体地,例如,获取到构建生成的当前决策树模型的子决策树某个节点已经适用于当前决策树模型的拆分规则中,某个特征的取值分布信息为[A,B],[C,D],[E,F](即AB取值为一个分支,CD为一个分支,EF为一个分支),并检测到在当前决策树模型中,该特征的取值分布信息为A,B,C,D,E,H,即相对于子决策树中该特征的取值分布信息为[A,B],[C,D],[E,F],当前决策树模型缺少F而且多了H,则保存当前决策树模型中已有的取值-A,B,C,D,E、将当前决策树模型中多出的取值-H作为单独的分支,并删除当前决策树模型中所缺少的值-F,从而将该子决策树当前节点的拆分规则演变为:[A,B],[C,D],[E],[H]。
本实施例中,通过获取与当前所述决策树模型不兼容的所述节点信息中的各拆分规则;删除各所述拆分规则中当前所述决策树模型不适用的拆分规则;读取各所述拆分规则中当前所述决策树模型适用的拆分规则的取值分布信息;删除所述取值分布信息中当前所述决策树模型所不存在的取值,实现了自动对导入的局部模型中与当前决策树模型所不相兼容的拆分规则进行兼容处理,实现了可以对决策树模型的局部进行加载,而无需建模人员将整个庞大的决策树导入且难以进行修改,提高了交互式操作的建模效率。
此外,请参照图4,本发明实施例还提出一种决策树模型的交互式操作装置,本发明决策树模型的交互式操作装置,包括:
获取模块,用于获取针对当前决策树模型进行交互式操作的操作指令;
检测模块,用于检测所述操作指令在当前所述决策树模型中指定的目标操作节点;
执行模块,用于依据所述操作指令在所述目标操作节点导入预先保存的局部决策树模型。
优选地,本发明决策树模型的交互式操作装置的执行模块,还用于依据所述操作指令在当前所述决策树模型中,截取出局部决策树模型进行保存。
优选地,执行模块,包括:
读取单元,用于当检测到所述操作指令的指令类型为节点保存时,在当前所述决策树模型中以所述目标操作节点为根节点读取模型信息;
存储单元,用于将读取到的所述模型信息转化成文本文件作为当前所述决策树模型的局部决策树模型导出进行存储。
优选地,执行模块,还包括:
第一获取单元,用于当检测到所述操作指令的指令类型为模型加载时,获取所述操作指令所选取的待加载局部决策树模型;
解析单元,用于解析所述待加载局部决策树模型以生成当前所述决策树模型的各节点信息;
导入单元,用于按照各所述节点信息将所述待加载局部决策树模型导入至所述目标操作节点。
优选地,执行模块,还包括:
检测单元,用于检测所述目标操作节点的节点类型,其中,所述节点类型包括叶子节点和非叶子节点;
剪枝单元,用于当检测到所述节点类型为非叶子节点时,对所述目标操作节点进行剪枝处理使所述节点类型转为叶子节点以便于导入所述待加载局部决策树模型。
优选地,导入单元,还包括:
兼容调整单元,用于逐一检测各所述节点信息是否与当前所述决策树模型相兼容,并对检测到的不兼容的所述节点信息进行调整;
构建单元,用于按照调整后的所述节点信息在所述目标操作节点上构建生成当前所述决策树模型的子决策树。
优选地,导入单元,还包括:
更新确认单元,用于更新所述子决策树各节点的ID标识,并生成所述子决策树的统计信息以确定在所述目标操作节点上完成模型加载操作。
本实施例提出的决策树模型的交互式操作装置各个功能模块在运行时实现如上所述的决策树模型的交互式操作方法的步骤,在此不再赘述。
此外,本发明实施例还提出一种计算机可读存储介质,应用于计算机,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质上存储有决策树模型的交互式操作程序,所述决策树模型的交互式操作程序被处理器执行时实现如上所述的决策树模型的交互式操作方法的步骤。
其中,在所述处理器上运行的决策树模型的交互式操作程序被执行时所实现的步骤可参照本发明决策树模型的交互式操作方法的各个实施例,此处不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种决策树模型的交互式操作方法,其特征在于,所述决策树模型的交互式操作方法,包括:
获取针对当前决策树模型交互式操作的局部模型加载指令;
检测所述局部模型加载指令中针对当前决策树模型的目标节点和已训练模型对应的局部模型信息,并对所述局部模型信息进行解析;
所述检测所述局部模型加载指令中针对当前决策树模型的目标节点和已训练模型对应的局部模型信息,并对所述局部模型信息进行解析的步骤,包括:
检测所述局部模型加载指令在当前决策树模型中所指定的需要进行交互式操作的目标节点;
获取所述局部模型加载指令携带的已训练模型对应的局部模型信息;
解析所述局部模型信息以生成当前所述决策树模型的局部模型;
将解析得到的构建所述当前决策树模型的局部模型的各个节点信息导入到所述目标节点中,以对所述当前决策树模型的局部模型的迁移使用;其中,各所述节点信息包含节点拆分规则、节点预测值。
2.如权利要求1所述的决策树模型的交互式操作方法,其特征在于,在所述获取针对当前决策树模型交互式操作的局部模型加载指令之前,所述方法还包括:
获取针对所述已训练模型交互式操作的局部模型导出指令;
检测所述局部模型导出指令选定的局部模型,生成并保存选定的局部模型对应的局部模型信息。
3.如权利要求2所述的决策树模型的交互式操作方法,其特征在于,所述检测所述局部模型导出指令选定的局部模型,生成并保存选定的局部模型对应的局部模型信息的步骤,包括:
在当前所述决策树模型中以局部模型导出指令所指定的目标操作节点为根节点读取模型信息;
将读取到的所述模型信息转化生成文本文件作为当前所述决策树模型的局部模型导出进行存储。
4.如权利要求1所述的决策树模型的交互式操作方法,其特征在于,在所述将解析得到的局部模型导入到所述目标节点中的步骤之前,还包括:
检测所述目标节点的节点类型,其中,所述节点类型包括叶子节点和非叶子节点;
当检测到所述节点类型为非叶子节点时,对所述目标节点进行剪枝处理使所述节点类型转为叶子节点以便于导入所述局部模型。
5.如权利要求1所述的决策树模型的交互式操作方法,其特征在于,所述将解析得到的局部模型导入到所述目标节点中的步骤,包括:
逐一检测所述局部模型的各节点信息是否与当前所述决策树模型相兼容,并对检测到的不兼容的所述节点信息进行调整;
按照调整后的所述节点信息在所述目标节点上构建生成当前所述决策树模型的子决策树。
6.如权利要求5所述的决策树模型的交互式操作方法,其特征在于,在所述按照调整后的所述节点信息在所述目标节点上构建生成当前所述决策树模型的子决策树的步骤之后,还包括:
更新所述子决策树各节点的ID标识,并生成所述子决策树的统计信息以确定在目标操作节点上完成模型加载操作。
7.一种决策树模型的交互式操作装置,其特征在于,所述决策树模型的交互式操作装置,包括:
获取模块,用于获取针对当前决策树模型交互式操作的局部模型加载指令;
检测解析模块,用于检测所述局部模型加载指令中针对当前决策树模型的目标节点和已训练模型对应的局部模型信息,并对所述局部模型信息进行解析;
所述检测所述局部模型加载指令中针对当前决策树模型的目标节点和已训练模型对应的局部模型信息,并对所述局部模型信息进行解析,包括:
检测所述局部模型加载指令在当前决策树模型中所指定的需要进行交互式操作的目标节点;
获取所述局部模型加载指令携带的已训练模型对应的局部模型信息;
解析所述局部模型信息以生成当前所述决策树模型的局部模型;
导入模块,用于将解析得到的构建所述当前决策树模型的局部模型的各个节点信息导入到所述目标节点中,以对所述当前决策树模型的局部模型的迁移使用;其中,各所述节点信息包含节点拆分规则、节点预测值。
8.一种终端设备,其特征在于,所述终端设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的决策树模型的交互式操作程序,所述决策树模型的交互式操作程序被所述处理器执行时实现如权利要求1至6中任一项所述的决策树模型的交互式操作方法的步骤。
9.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的决策树模型的交互式操作方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911040651.2A CN110796265B (zh) | 2019-10-29 | 2019-10-29 | 决策树模型的交互式操作方法、装置、终端设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911040651.2A CN110796265B (zh) | 2019-10-29 | 2019-10-29 | 决策树模型的交互式操作方法、装置、终端设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110796265A CN110796265A (zh) | 2020-02-14 |
CN110796265B true CN110796265B (zh) | 2024-01-30 |
Family
ID=69441896
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911040651.2A Active CN110796265B (zh) | 2019-10-29 | 2019-10-29 | 决策树模型的交互式操作方法、装置、终端设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110796265B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112287191B (zh) * | 2020-07-31 | 2024-07-16 | 北京九章云极科技有限公司 | 模型展示方法、装置及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101556666A (zh) * | 2009-05-21 | 2009-10-14 | 中国建设银行股份有限公司 | 建立审计模型的方法、装置及审计系统 |
CN108280291A (zh) * | 2018-01-22 | 2018-07-13 | 湖南和信智仿信息科技有限公司 | 可重用仿真模型接口设计与对接方法、装置和计算机设备 |
CN108491891A (zh) * | 2018-04-04 | 2018-09-04 | 桂林电子科技大学 | 一种基于决策树局部相似性的多源在线迁移学习方法 |
CN109273101A (zh) * | 2018-09-05 | 2019-01-25 | 百度在线网络技术(北京)有限公司 | 基于决策树的人机交互方法、装置、计算机设备及介质 |
CN109408175A (zh) * | 2018-09-28 | 2019-03-01 | 北京赛博贝斯数据科技有限责任公司 | 通用高性能深度学习计算引擎中的实时交互方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017059012A1 (en) * | 2015-09-29 | 2017-04-06 | Skytree, Inc. | Exporting a transformation chain including endpoint of model for prediction |
-
2019
- 2019-10-29 CN CN201911040651.2A patent/CN110796265B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101556666A (zh) * | 2009-05-21 | 2009-10-14 | 中国建设银行股份有限公司 | 建立审计模型的方法、装置及审计系统 |
CN108280291A (zh) * | 2018-01-22 | 2018-07-13 | 湖南和信智仿信息科技有限公司 | 可重用仿真模型接口设计与对接方法、装置和计算机设备 |
CN108491891A (zh) * | 2018-04-04 | 2018-09-04 | 桂林电子科技大学 | 一种基于决策树局部相似性的多源在线迁移学习方法 |
CN109273101A (zh) * | 2018-09-05 | 2019-01-25 | 百度在线网络技术(北京)有限公司 | 基于决策树的人机交互方法、装置、计算机设备及介质 |
CN109408175A (zh) * | 2018-09-28 | 2019-03-01 | 北京赛博贝斯数据科技有限责任公司 | 通用高性能深度学习计算引擎中的实时交互方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110796265A (zh) | 2020-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106294673B (zh) | 一种用户自定义规则实时解析日志数据的方法与系统 | |
CN110532084B (zh) | 平台任务的调度方法、装置、设备及存储介质 | |
CN109086215B (zh) | 一种嵌入式软件单元测试用例生成方法及系统 | |
US8849673B2 (en) | Rule generation | |
CN110727659B (zh) | 基于sql语句的决策树模型生成方法、装置、设备及介质 | |
CN110502538B (zh) | 画像标签生成逻辑映射的方法、系统、设备及存储介质 | |
CN113821496B (zh) | 数据库迁移方法、系统、设备及计算机可读存储介质 | |
CN111191879A (zh) | 一种综合评估的方法和系统 | |
CN110597847A (zh) | Sql语句自动生成方法、装置、设备及可读存储介质 | |
CN113901837A (zh) | 一种意图理解方法、装置、设备及存储介质 | |
CN110796265B (zh) | 决策树模型的交互式操作方法、装置、终端设备及介质 | |
CN110489131B (zh) | 一种灰度用户选取方法及装置 | |
CN117251164A (zh) | 模型代码转换方法、装置、设备及存储介质 | |
CN117852500A (zh) | 演示文档的自动生成方法、装置、设备和存储介质 | |
CN110928535B (zh) | 衍生变量部署方法、装置、设备及可读存储介质 | |
CN117235527A (zh) | 端到端容器化的大数据模型构建方法、装置、设备及介质 | |
CN110413518B (zh) | 控件对象库的生成方法及生成装置和计算机可读存储介质 | |
CN107742239A (zh) | 一种条件表达式的配置方法及装置 | |
CN115271933B (zh) | 贷款决策方法及装置、决策设备及计算机可读存储介质 | |
EP3912058A1 (en) | Profile data store automation via bots | |
CN110838338B (zh) | 生物分析项目的建立系统、方法、存储介质、及电子设备 | |
CN114594943B (zh) | 数据建模方法、装置、设备和存储介质 | |
CN111151008B (zh) | 游戏运营数据的校验方法、装置、配置后台及介质 | |
CN113377962B (zh) | 一种基于图像识别和自然语言处理的智能过程模拟方法 | |
CN111949776B (zh) | 一种用户标签评估的方法、装置和电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |