分箱方法和系统
    1.
    发明公开

    公开(公告)号:CN117892179A

    公开(公告)日:2024-04-16

    申请号:CN202410081281.1

    申请日:2024-01-19

    Abstract: 本公开提供一种分箱方法和系统,包括对获得的预分箱样本数据进行预分箱,得到预分箱结果,根据获得的分箱总样本数据、并且采用进化算法对预分箱结果进行多次迭代优化,得到精细分箱结果,预分箱样本数据为分箱总样本数据中的至少部分数据,其中,多次迭代优化中当前次迭代优化包括:根据获得的当前次迭代优化的各父代解确定当前次迭代优化的各子代解,根据分箱总样本数据对各子代解进行单调性指标、用户分布指标、留存率指标约束的种群评估,得到各子代解各自的稳定性遗憾指标,根据各子代解各自的稳定性遗憾指标、以及获得的各父代解各自的稳定性遗憾指标确定当前次迭代优化的分箱解,提高了精细分箱的稳定系、可靠性、以及精度。

    数据驱动的组合决策模型参数更新方法和系统

    公开(公告)号:CN118229433A

    公开(公告)日:2024-06-21

    申请号:CN202410425214.7

    申请日:2024-04-09

    Abstract: 本公开提供一种数据驱动的组合决策模型参数更新方法和系统,包括:获得离线数据集,根据离线数据集对初始组合决策模型的当前模型参数进行迭代优化,得到满足预设结束迭代优化条件的目标模型参数,在第i次迭代优化中包括:根据离线数据集和第i次模型参数确定约束违反程度,并根据约束违反程度和离线数据集确定第i+1次模型参数,即提供了一种非梯度法对初始组合决策模型的模型参数进行更新的方法和系统,避免了相关技术中基于梯度法更新造成的收敛效率低的弊端,提高了模型参数更新的效率,且通过结合离线数据集中的历史组合决策相关信息确定约束违反程度,以使得目标组合决策模型的约束违反程度满足全局约束需求,从而提高组合决策的有效性和可靠性。

    基于可靠集成模型的数据驱动演化优化方法和系统

    公开(公告)号:CN118013854A

    公开(公告)日:2024-05-10

    申请号:CN202410276175.9

    申请日:2024-03-11

    Abstract: 本公开提供一种基于可靠集成模型的数据驱动演化优化方法和系统,包括:获得待优化任务,对待优化任务进行迭代,得到并输出待优化任务的目标解,在第m次迭代的情况下:将第m次迭代的候选解集输入至预设的N个基模型中的每一基模型,得到各基模型各自的预测目标值,m为大于等于1的整数,N为大于1的整数,基于第m次迭代的各预测目标值对N个基模型进行可靠性集成,得到第m次迭代的候选解集的可靠性评估值,根据第m次迭代的候选解集的可靠性评估值确定第m+1次迭代的候选解集,以提供准确而鲁棒的候选解集的可靠性评估值,搜索潜在的相对更优解,使更可靠的基模型对指导优化算法做出更多贡献,更加稳定且准确地推动优化算法的进行。

Patent Agency Ranking