[發明專利]征信數據的特征項處理方法、裝置、計算機設備

在審

• 申請號: 201711122160.3
• 申請日: 2017-11-14
• 公開（公告）號: CN108022146A
• 公開（公告）日: 2018-05-11
• 發明（設計）人: 張詩雨;賴曉彬;劉奕慧
• 申請（專利權）人: 深圳市牛鼎豐科技有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06F17/30
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 謝曲曲

1.一種征信數據的特征項處理方法，其特征在于，所述方法包括：

對征信數據中的樣本數據進行分組；

從所述樣本數據中提取特征項；

計算每個所述特征項的信息值；

提取所述信息值高于預設值的特征項；

計算提取的特征項的信息增益值和基尼系數，根據所述信息增益值和基尼系數篩選特征項，得到篩選后的特征項；

采用逐步回歸算法剔除所述篩選后的特征項中的多重共線性特征項，得到最終特征項。

2.根據權利要求1所述的方法，其特征在于，所述樣本數據分為正樣本和負樣本；所述計算每個所述特征項的信息值包括：

獲取所述樣本數據中的正樣本數量總和和負樣本數量總和；

對于每一個特征項，獲取所述樣本數據中任意一組樣本數據中的正樣本數量和負樣本數量，計算所述正樣本數量占所述正樣本數量總和的第一比率和所述負樣本數量占所述負樣本數量總和的第二比率；

根據所述第一比率和第二比率計算特征項的信息值。

3.根據權利要求1所述的方法，其特征在于，所述計算提取的特征項的信息增益值，包括：

計算提取的特征項的信息熵和條件熵；

所述提取的特征項的信息增益值為所述信息熵與所述條件熵的差值。

4.根據權利要求1所述的方法，其特征在于，所述計算提取的特征項的基尼系數，包括：

計算提取的所述信息值高于預設值的特征項的概率；

根據所述概率計算所述提取特征項的基尼系數。

5.根據權利要求1所述的方法，其特征在于，所述采用逐步回歸算法剔除所述篩選后的特征項中的多重共線性特征項，得到最終特征項，包括：

依次對所述篩選后的特征項進行檢驗，得到檢驗后的特征項；

當前一個檢驗后的特征項的顯著性低于后一個檢驗后的特征項的顯著性時，刪除前一個檢驗后的特征項。

6.根據權利要求1所述的方法，其特征在于，在所述得到最終特征項之后，還包括：

根據所述最終特征項建立征信評價模型。

7.根據權利要求6所述的方法，其特征在于，所述方法還包括：

獲取待評價用戶的征信數據，將所述待評價用戶的征信數據輸入所述征信評價模型中進行驗證，得到待評價用戶的征信評分。

8.一種征信數據的特征項處理裝置，其特征在于，所述裝置包括：

數據分組模塊，用于對征信數據中的樣本數據進行分組；

第一特征項提取模塊，用于從所述樣本數據中提取特征項；

信息值計算模塊，用于計算每個所述特征項的信息值；

第二特征項提取模塊，用于提取所述信息值高于預設值的特征項；

特征項篩選模塊，用于計算提取的特征項的信息增益值和基尼系數，根據所述信息增益值和基尼系數篩選特征項，得到篩選后的特征項；

特征項剔除模塊，用于采用逐步回歸算法剔除所述篩選后的特征項中的多重共線性特征項，得到最終特征項。

9.一種計算機設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1至7任一項所述方法的步驟。

10.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至7任一項所述方法的步驟。