[发明专利]决策树剪枝优化方法、装置、设备及计算机存储介质

权利要求书

1.一种决策树剪枝优化方法，其特征在于，所述方法包括：

获取待剪枝决策树；

对所述待剪枝决策树的待剪非叶子节点进行预剪枝，生成第一预剪枝决策树；

获取所述第一预剪枝决策树的模型效果；

若所述第一预剪枝决策树的模型效果优于所述待剪枝决策树，则确认对所述待剪非叶子节点执行剪枝操作，生成第一决策树；

获取所述第一决策树的稳定性指标；

若所述稳定性指标满足预设条件，则确认对所述第一决策树中的待剪非叶子节点执行剪枝操作，生成第二决策树；其中，所述剪枝操作是将非叶子节点对应的子树替换为叶子节点。

2.如权利要求1所述的决策树剪枝优化方法，其特征在于，所述稳定性指标至少包括效果稳定性，若所述第一决策树的所述效果稳定性满足预设条件，则确认对第一决策树中的待剪非叶子节点执行剪枝操作，包括：

取预设数量个月份对应数据作为测试集，利用梯度提升决策树算法拟合生成验证决策树；

获取所述验证决策树中非叶子节点信息值中最大值与最小值的极差；

若所述极差大于所述第一决策树中对应的所述待剪非叶子节点的信息值的预设倍，则确定对所述待剪非叶子节点执行剪枝操作。

3.如权利要求1所述的决策树剪枝优化方法，其特征在于，所述稳定性指标至少包括分布稳定性，若所述第一决策树的所述分布稳定性满足预设条件，则确认对所述第一决策树中的所述待剪非叶子节点执行剪枝操作，包括：

基于所述第一决策树，获得建模月份非叶子节点的预设变量的分布以及最新月份非叶子节点的预设变量的分布的第一群体稳定性指标值；

若所述第一群体稳定性指标值大于或等于第一预设值，且基于第二预剪枝决策树对应的建模月份非叶子节点的预设变量的分布以及最新月份非叶子节点的预设变量的分布获得的第二群体稳定性指标值小于第二预设值，则确定对所述待剪非叶子节点进行剪枝操作；其中，所述第二预剪枝决策树是对第一决策树中待剪非叶子节点执行预剪枝操作生成的。

4.如权利要求1所述的决策树剪枝优化方法，其特征在于，所述稳定性指标至少包括未来分布稳定性，若所述第一决策树的所述未来分布稳定性满足预设条件，则确认对所述第一决策树中的所述待剪非叶子节点执行剪枝操作，包括：

以建模月份为基准，获得未来第一数量个月的模型变量；

基于所述模型变量，分别基于每个月第二预剪枝决策树对应的非叶子节点的预设变量的分布与建模月份非叶子节点的预设变量的分布获得第三群体稳定性指标值；

根据每个月的第三群体稳定性指标值，利用预设拟合方法预测未来第二数量个月后的第四群体稳定性指标值；

若所述第四群体稳定性指标值大于或等于第三预设值，则确定对所述待剪非叶子节点进行剪枝操作。

5.如权利要求1所述的决策树剪枝优化方法，其特征在于，所述第一预剪枝决策树的模型效果优于所述待剪枝决策树包括：

所述第一预剪枝决策树在测试集中的正确率高于所述待剪枝决策树；其中，所述测试集为预设数量个月份对应数据。

6.如权利要求1所述的决策树剪枝优化方法，其特征在于，所述确认对待剪非叶子节点执行剪枝操作，生成第一决策树：包括：

依次对所述待剪枝决策树中每个待剪非叶子节点确认执行剪枝操作进行验证；

直至对所述待剪枝决策树中所有待剪非叶子节点完成验证，则剪枝操作结束；

生成第一决策树。

7.如权利要求1所述的决策树剪枝优化方法，其特征在于，所述确认对第一决策树中的待剪非叶子节点执行剪枝操作，生成第二决策树：包括：

依次对所述第一决策树中每个待剪非叶子节点确认执行剪枝操作进行验证；

直至对所述第一决策树中所有待剪非叶子节点完成验证，则剪枝操作结束；

生成第二决策树。