(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 202111322791.6 (22)申请日 2021.11.09 (71)申请人 张云鹤 地址 518000 广东省深圳市南 山区高新 南 四道10号 (72)发明人 张云鹤　黄又钢　 (74)专利代理 机构 北京艾格律诗专利代理有限 公司 11924 代理人 谢毅 (51)Int.Cl. G06Q 40/02(2012.01) G06N 20/00(2019.01) (54)发明名称 分布式残差提升算法、 装置、 计算机设备和 存储介质 (57)摘要 本发明提供一种分布式残差提升算法、 装 置、 计算机设备和存储介质， 所述方法包括： 将训 练样本输入逻辑回归模型进行训练， 得到目标逻 辑回归模型； 根据所述目标逻辑回归模型， 获取 样本预测值和样本残差； 将所述样 本预测值作为 机器学习模 型的初始条件， 并根据所述机器学习 模型对所述样本残差进行迭代训练， 得到目标机 器学习模型； 根据所述目标逻辑回归模型输出的 样本预测值和所述目标机器学习模型输出的残 差预测值， 得到所述分布式残差提升算法输出的 样本目标预测值。 本发明解决了现有技术基于逻 辑回归算法存在精度低的问题， 满足了金融机构 多样化的评估需求。 权利要求书2页 说明书9页 附图3页 CN 114037515 A 2022.02.11 CN 114037515 A 1.一种分布式残差提升算法， 其特 征在于， 所述 算法包括： 将训练样本 输入逻辑回归 模型进行训练， 得到目标逻辑回归 模型； 根据所述目标逻辑回归 模型， 获取样本预测值和样本残差； 将所述样本预测值作为机器学习模型的初始条件， 并根据 所述机器学习 模型对所述样 本残差进行迭代训练， 得到目标机器学习模型； 根据所述目标逻辑回归模型输出的样本预测值和所述目标机器学习模型输出的残差 预测值， 得到所述分布式残差提升算法输出的样本目标 预测值。 2.如权利要求1所述的分布式残差提升算法， 其特征在于， 根据 所述目标逻辑 回归模型 输出的样本预测值和所述目标机器学习模型输出的残差预测值， 得到所述分布式残差提升 算法输出的样本目标 预测值， 包括： 根据所述目标机器学习模型， 得到残差预测值； 根据预设残差提升阈值对所述残差预测值进行盖帽截断， 得到 盖帽截断残差； 根据所述目标逻辑 回归模型输出的样本预测值和所述盖帽截断残差， 得到所述样本目 标预测值。 3.如权利要求1所述的分布式残差提升算法， 其特征在于， 根据所述目标逻辑回归模 型， 得到样本预测值和样本残差， 包括： 根据所述目标逻辑回归 模型， 得到样本预测值和所述样本预测值相对应的l ogit值； 根据所述样本预测值相对应的l ogit值， 得到样本残差 。 4.如权利要求2所述的分布式残差提升算法， 其特征在于， 所述分布式残差提升算法输 出的样本目标 预测值表示 为： 其中， 表示样本目标预测值， 表示目标逻辑回归模型输出的样本预测值， 表示 所述目标机器学习模型输出的残差预测值， T表示目标机器学习模型在T步时达 到最优。 5.如权利要求4所述的分布式残差提升算法， 其特征在于， 根据 所述目标逻辑 回归模型 输出的样本预测值和所述盖帽截断残差， 得到所述样本目标 预测值表示 为： 其中， εmax表示预设残差提升阈值。 6.如权利要求1所述的分布式残差提升算法， 其特征在于， 将训练样本输入逻辑回归模 型进行训练， 得到目标逻辑回归 模型之前， 所述 算法还包括： 获取样本数据集； 对所述样本数据集进行 数据标注， 得到标注数据集； 对所述标注数据集进行 数据增强， 得到训练样本 。 7.如权利要求1 ‑6任一项所述的分布式残差提升算法， 其特征在于， 将训练样本输入逻 辑回归模型进行训练， 得到目标逻辑回归 模型之后， 所述 算法还包括： 根据新增数据源重新获取目标训练样本；权　利　要　求　书 1/2 页 2 CN 114037515 A 2根据所述目标训练样本和所述目标逻辑回归 模型， 得到新的样本残差； 根据所述 新的样本残差训练所述机器学习模型， 得到新的残差预测值； 根据所述 新的残差预测值， 得到在新增数据源下的目标 预测值。 8.一种分布式残差提升装置， 其特 征在于， 所述装置包括： 逻辑回归模型训练模块， 用于将训练样本输入逻辑回归模型进行训练， 得到目标逻辑 回归模型； 样本预测值获取模块， 用于根据所述目标逻辑回归 模型， 获取样本预测值和样本残差； 机器学习模型训练模块， 用于将所述样本预测值作为机器学习模型的初始条件， 并根 据所述机器学习模型对所述样本残差进行迭代训练， 得到目标机器学习模型； 样本目标预测值获取模块， 用于根据 所述目标逻辑 回归模型输出的样本预测值和所述 目标机器学习模型输出的残差预测值， 得到所述分布式残差提升算法输出的样本目标预测 值。 9.一种计算机设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计 算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现权利要求1至7中任一项方 法的步骤。 10.一种可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被处理 器执行时实现权利要求1至7中任一项方法的步骤。权　利　要　求　书 2/2 页 3 CN 114037515 A 3