(19)中华 人民共和国 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 202111225136.9 (22)申请日 2021.10.21 (71)申请人 深圳前海微众 银行股份有限公司 地址 518000 广东省深圳市南 山区沙河西 路1819号深圳湾科技 生态园7栋A座 (72)发明人 谭蕴琨　陈婷　吴三平　庄伟亮　 (74)专利代理 机构 深圳市世纪恒程知识产权代 理事务所 4 4287 代理人 关向兰 (51)Int.Cl. G06K 9/62(2006.01) G06N 20/00(2019.01) G06Q 10/04(2012.01) (54)发明名称 模型链回归预测方法、 装置、 设备及计算机 存储介质 (57)摘要 本申请公开了一种模 型链回归 预测方法、 装 置、 设备及计算机存储介质， 所述模型链回归预 测方法包括： 获取待预测样本， 通过第一分类模 型对所述待预测样本进行二分类预测， 获得中间 预测结果， 其中， 所述第一分类模型是基于预设 类别划分的待训练样本集进行迭代训练得到的， 基于所述中间预测结果和所述待预测样本， 通过 第二分类模 型对所述待预测样 本进行分类， 获得 目标分类结果， 基于所述目标分类结果和所述待 预测样本， 通过回归模型对所述待预测样本进行 预测， 获得目标预测结果。 本申请解决模型预测 准确性低的技 术问题。 权利要求书2页 说明书11页 附图4页 CN 113887655 A 2022.01.04 CN 113887655 A 1.一种模型链回归预测方法， 其特 征在于， 所述模型链回归预测方法包括： 获取待预测样本； 通过第一分类模型对所述待预测样本进行二分类预测， 获得中间预测结果， 其中， 所述 第一分类模型 是基于预设类别划分的待训练样本集进行迭代训练得到的； 基于所述中间预测结果和所述待预测样本， 通过第 二分类模型对所述待预测样本进行 分类， 获得目标分类结果； 基于所述目标分类结果和所述待预测样本， 通过回归模型对所述待预测样本进行预 测， 获得目标 预测结果。 2.如权利要求1所述模型链回归预测方法， 其特征在于， 所述基于所述预测结果和所述 待预测样本， 通过第二分类模型对所述待预测样本进行分类， 获得目标分类结果的步骤包 括： 将所述中间预测结果和所述待预测样本进行合并， 获得融合特 征信息； 将所述融合特 征信息输入所述第二分类模型， 输出 所述目标分类结果。 3.如权利要求1所述模型链回归预测方法， 其特征在于， 在所述通过第 一分类模型对所 述待预测样本进行二分类预测， 获得中间预测结果， 其中， 所述第一分类模型是基于预设类 别划分的待训练样本集进行迭代训练得到的步骤之前， 所述模型链回归预测方法还 包括： 获取待训练样本集以及待训练二分类模型， 其中， 所述待训练样本集包括多个待训练 样本； 根据各所述样本特征信 息对应的类别信 息， 将各所述待训练样本划分为多类别样本和 少类别样本； 分别对所述多类别样本和所述少类别样本进行标记， 获得多类别样本标签和类别样本 标签； 通过所述待训练样本集、 所述多类别样本标签和所述少类别样本标签对所述待训练二 分类模型进行迭代训练优化， 获得 所述第一分类模型， 并输出训练预测结果。 4.如权利要求3所述模型链回归预测方法， 其特征在于， 所述根据 各所述样本特征信 息 对应的类别 信息， 将各 所述待训练样本划分为多类别样本和少类别样本的步骤 包括： 根据各所述样本特征信 息对应的类别信 息， 统计各所述待训练样本分别对应的类别数 量； 基于所述类别数量， 将各所述待训练样本按照预设划分规则进行划分， 获得所述多类 别样本和所述少类别样本 。 5.如权利要求3所述模型链回归预测方法， 其特征在于， 在所述将所述待训练样本集、 多类别样本标签和少类别样本标签对所述待训练二分类模型进行迭代训练优化， 获得所述 第一分类模型， 并输出训练预测结果的步骤之后， 所述模型链回归预测方法还 包括： 获取待训练多分类模型； 将所述训练预测结果和所述待训练样本集进行合并， 获得待训练融合特 征集； 按照预设分类规则对各所述待训练样本进行多分类， 获得各所述待训练样本的分类标 签； 根据所述待训练融合特征集和各所述待训练样本对应的分类标签， 对所述待训练多分 类模型进行迭代训练优化， 获得第二分类模型， 并输出训练多分类预测结果。权　利　要　求　书 1/2 页 2 CN 113887655 A 26.如权利要求5所述模型链回归预测方法， 其特征在于， 所述根据 所述待训练融合特征 集和各所述待训练样本对应的分类标签， 对所述待训练多分类模型进行迭代训练优化， 获 得第二分类模型的步骤 包括： 将所述融合特 征集输入所述待训练多分类模型， 输出多分类预测结果； 根据各所述待训练样本对应的分类标签和所述多分类预测结果， 确定分类模型损失； 基于所述分类模型损 失计算的梯度， 对所述待训练多分类模型进行迭代训练优化， 获 得所述第二分类模型。 7.如权利要求5所述模型链回归预测方法， 其特征在于， 在所述根据所述待训练融合特 征集和各所述待训练样本对应的分类标签， 对所述待训练多分类模型进行迭代训练优化， 获得第二分类模型， 并输出训练多分类预测结果的步骤之后， 所述模型链回归预测方法还 包括： 获取待训练回归 模型； 将所述训练多分类预测结果和所述待训练样本集进行合并， 获得待训练回归特 征集； 基于所述待训练回归特征集和各所述待训练样本分别对应的类别信 息， 对所述待训练 回归模型进行迭代训练， 获得 所述回归 模型。 8.一种模型链回归预测装置， 其特 征在于， 所述模型链回归预测装置包括： 获取模块， 用于获取待预测样本； 第一预测模块， 用于通过第一分类模型对所述待预测样本进行二分类预测， 获得中间 预测结果， 其中， 所述第一分类模型是基于预设类别划分的待训练样本集进行迭代训练得 到的； 分类模块， 用于基于所述中间预测结果和所述待预测样本， 通过第二分类模型对所述 待预测样本进行分类， 获得目标分类结果； 第二预测模块， 用于基于所述目标分类结果和所述待预测样本， 通过回归模型对所述 待预测样本进行 预测， 获得目标 预测结果。 9.一种模型链回归预测设备， 其特征在于， 所述模型链回归预测设备包括： 存储器、 处 理器以及存 储在存储器上的模型链回归预测程序， 所述模型链回归预测程序被所述处理器执行实现如权利要求1至7中任一项所述模型 链回归预测方法的步骤。 10.一种计算机存储介质， 其特征在于， 所述计算机存储介质上存储有模型链回归预测 程序， 所述模型链回归预测程序被处理器执行实现如权利要求1至7中任一项 所述模型链回 归预测方法的步骤。权　利　要　求　书 2/2 页 3 CN 113887655 A 3