[發(fā)明專利]一種基于邏輯用戶評分模型的變量選擇方法及裝置

在審

• 申請?zhí)枺?/td>: 201610671379.8
• 申請日: 2016-08-15
• 公開（公告）號: CN107274202A
• 公開（公告）日: 2017-10-20
• 發(fā)明（設(shè)計）人: 許闈帷;柯于皇;于蓉蓉;梅錚;許大虎;石世磊;施洋;魯銀冰
• 申請（專利權(quán)）人: 中國移動通信集團(tuán)上海有限公司;中移（杭州）信息技術(shù)有限公司;中國移動通信集團(tuán)公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 北京派特恩知識產(chǎn)權(quán)代理有限公司11270
• 代理人: 蔣雅潔,張穎玲

技術(shù)領(lǐng)域

本發(fā)明涉及大數(shù)據(jù)領(lǐng)域的數(shù)據(jù)變量選擇技術(shù)，尤其涉及一種基于邏輯(Logistic)用戶評分模型的變量選擇方法及裝置。

背景技術(shù)

大數(shù)據(jù)技術(shù)已經(jīng)成為各科研機(jī)構(gòu)和互聯(lián)網(wǎng)企業(yè)研究的熱點(diǎn)，數(shù)據(jù)挖掘以及數(shù)據(jù)價值的挖掘成為中國移動關(guān)注的重點(diǎn)。現(xiàn)有的技術(shù)方案按照傳統(tǒng)的向前選擇、向后選擇以及LASSO等的變量選擇方法來篩選變量。

其中，LASSO是最近興起的變量選擇方法，其原理大概如下：X是n維的解釋變量，Y是模型的響應(yīng)變量，Logistic模型為：

log(P(y＝1)/(1-P(y＝1)))＝β₀+β₁x₁+...+β_nx_n；

上述公式中，P指成功概率，β_i指x_i對應(yīng)的成功優(yōu)勢比，對于該優(yōu)勢比而言，是指某個指標(biāo)如x_i成功與失敗優(yōu)勢的對應(yīng)比例。由于模型的估計大多或者全部非零，因此，LASSO方法在模型的估計過程中對變量做出如下限制：

LASSO-Logistic模型中的參數(shù)β_k需滿足如下條件：

其中的l(β)是似然函數(shù)，λ為比例系數(shù)，S_λ為約束條件，或稱為壓縮系數(shù)。

那么，LASSO-Logistic模型的參數(shù)β_k可以寫成如下形式：

現(xiàn)有技術(shù)的缺點(diǎn)及本申請?zhí)岚敢鉀Q的技術(shù)問題為：

通過傳統(tǒng)的數(shù)據(jù)變量選擇的方法選擇出來的模型變量，多數(shù)甚至全部都是顯著的，即模型與大多數(shù)變量都有關(guān)系，變量選擇的結(jié)果不具有稀疏性。這使得模型變得復(fù)雜，也使得模型的解釋變得困難。例如，通過Logistic模型衡量移動用戶的信用得分，如果選擇用戶繳費(fèi)、實(shí)名認(rèn)證、消費(fèi)能力等方面的40個變量，利用向前、向后變量選擇的方法得到27個變量都是顯著的，但是模型的信用得分與每個變量的關(guān)系變得比較弱，模型的解釋非常復(fù)雜，且每個變量都不能充分解釋模型的響應(yīng)變量。

而通過Logistic-LASSO模型選擇的模型出現(xiàn)了變量過度壓縮的問題，通常選擇出來的變量是顯著的，但是變量的影響力大大削弱。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明實(shí)施例希望提供一種基于Logistic用戶評分模型的變量選擇方法及裝置，至少解決了現(xiàn)有技術(shù)存在的技術(shù)問題。

本發(fā)明實(shí)施例的技術(shù)方案是這樣實(shí)現(xiàn)的：

本發(fā)明實(shí)施例的一種基于邏輯用戶評分模型的變量選擇方法，所述方法包括：

對至少一個第一請求進(jìn)行響應(yīng)，以收集樣本數(shù)據(jù)；

通過對所述樣本數(shù)據(jù)中至少M(fèi)個變量按照預(yù)設(shè)策略進(jìn)行篩選，篩選得到N個變量，所述M>N，為大于1的自然數(shù)；

根據(jù)所述N個變量來建模，得到第一模型；

根據(jù)所述第一模型進(jìn)行數(shù)據(jù)處理，得到的數(shù)據(jù)處理結(jié)果與每個變量的關(guān)系為僅與符合預(yù)設(shè)數(shù)量的顯著變量間具備預(yù)設(shè)的相關(guān)度，且每個變量支持對所述第一模型中的響應(yīng)變量進(jìn)行符合用戶實(shí)際需求的反饋。

上述方案中，所述通過對所述樣本數(shù)據(jù)中至少M(fèi)個變量按照預(yù)設(shè)策略進(jìn)行篩選，篩選得到N個變量，包括：

在比例系數(shù)屬于[0,∞)區(qū)間，壓縮系數(shù)屬于(0,1]區(qū)間時，根據(jù)由M個變量中的解釋變量、響應(yīng)變量、解釋變量對應(yīng)的成功優(yōu)勢比、比例系數(shù)和壓縮系數(shù)篩選得到N個變量。

上述方案中，所述通過對所述樣本數(shù)據(jù)中至少M(fèi)個變量按照預(yù)設(shè)策略進(jìn)行篩選，篩選得到N個變量，進(jìn)一步包括：

將所述N個變量用β進(jìn)行表示時，獲取β的當(dāng)前估計值β^old；

通過中間處理過程的運(yùn)算，得到β的目標(biāo)估計值β^new，直至則停止執(zhí)行中間處理過程的運(yùn)算；所述ε為指定的系數(shù)。

上述方案中，所述第一模型為所述停止執(zhí)行中間處理過程的運(yùn)算后得到的處理模型。

上述方案中，所述中間處理過程包括：

通過似然函數(shù)對所述β進(jìn)行求導(dǎo)的方式；

計算二階導(dǎo)數(shù)，并得到對角矩陣的方式；

進(jìn)行加權(quán)最小二乘的迭代方式；

通過坐標(biāo)下降，每次優(yōu)化一個變量，逐個優(yōu)化變量，直至收斂的方式；

通過以上至少一種方式，不斷更新所述β^old，以得到所述β^new。