一种基于非线性集成模型的预测数据错误风险方法

摘要

本发明公开了一种基于非线性集成模型的预测数据错误风险方法，对数据进行预处理；进行数据编码；基于编码数据构建GBDT框架下的数据错误风险预测模型，通过梯度提升算法将若干个CART树的结果进行加权求和后输出为最终结果；训练GBDT模型，取出某一时间段内的所有样本，将其和全部样本分别输入到训练好的GBDT模型中进行预测；根据训练好的GBDT模型，计算所有输入的风险因素的特征重要性；根据特征重要性从高到低进行排序；使用确定的参数，以新数据集的所有样本作为输入数据，训练新的GBDT模型并取出相同时间段内的所有样本，和全部样本分别输入到训练好的新GBDT模型中进行预测。本发明实现了使用非线性的集成模型对数据错误风险的更准确的预测。