[發明專利]對數據自動分箱的方法及裝置

有效

• 申請號: 201910362666.4
• 申請日: 2019-04-30
• 公開（公告）號: CN110084376B
• 公開（公告）日: 2021-05-14
• 發明（設計）人: 李驥東;何智福;藍科;覃進學
• 申請（專利權）人: 成都四方偉業軟件股份有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00;G06F17/11;G06F17/16
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 徐麗

1.一種對數據自動分箱的方法，其特征在于，應用于金融業務領域，

所述方法包括：

獲取用戶輸入的基本特征數據以及分箱條件，所述分箱條件包括分箱數以及每箱中的數據比例；所述基本特征數據包括用戶的基本信息，

所述基本信息包括年齡、身高、體重和收入；

將所述分箱條件帶入預定義函數得到目標函數，所述目標函數表達方式為其中，表示最小化關聯程度，s.t.表示約束條件，C_i(x)-m表示分箱個數約束條件，m表示分箱個數，C_i(x)-p表示每箱最小比例，C_i(x)表示x的約束條件函數；

根據所述分箱條件確定初始向量，將所述初始向量帶入所述目標函數，確定對所述基本特征數據的搜索方向；

以所述初始向量為基準點按照所述搜索方向對所述初始向量進行調整并帶入所述目標函數得到對應的函數值，所述函數值為后一個函數值；

當后一個函數值與當前函數值的差值小于預設收斂精度，則確定所述后一個函數值對應的調整后的初始向量作為分割點，所述當前函數值為將所述初始向量帶入所述目標函數得到的函數值；

依據確定的多個所述分割點對用戶輸入的所述基本特征數據進行分箱，得到多組數據。

2.如權利要求1所述的方法，其特征在于，所述將所述分箱條件帶入預定義函數得到目標函數之后包括步驟：

對所述目標函數求解拉格朗日函數；

對所述拉格朗日函數進行二次近似求解得到二次規劃問題。

3.如權利要求2所述的方法，其特征在于，所述根據所述分箱條件確定初始向量，將所述初始向量帶入所述目標函數，確定對所述基本特征數據的搜索方向的步驟包括：

根據所述分箱條件中包括的分箱數確定初始向量，并將所述初始向量帶入所述二次規劃問題；

對所述二次規劃問題進行一階求導得到梯度向量；

對所述二次規劃問題進行二階求導得到海森矩陣；

按照預定規則對所述梯度向量和海森矩陣進行計算得到方向向量，所述方向向量表征對所述基本特征數據的搜索方向。

4.如權利要求3所述的方法，其特征在于，所述對所述二次規劃問題進行二階求導得到海森矩陣的步驟包括：

當所述分箱數小于預定閾值，采用牛頓算法求解所述海森矩陣的近似最優解；

當所述分箱數大于預定閾值，采用BFGS算法求解所述海森矩陣的近似最優解。

5.如權利要求1所述的方法，其特征在于，所述以所述初始向量為基準點按照所述搜索方向對所述初始向量進行調整并帶入所述目標函數得到對應的函數值的步驟包括：

獲取用戶輸入的迭代步長以及迭代次數；

依據所述迭代步長對所述初始向量進行調整并帶入所述目標函數得到對應的函數值，并在所述迭代次數達到后，停止運算。

6.一種對數據自動分箱的裝置，其特征在于，應用于金融業務領域，

所述裝置包括：

收發模塊，用于獲取用戶輸入的基本特征數據以及分箱條件，所述分箱條件包括分箱數以及每箱中的數據比例；所述基本特征數據包括用戶的基本信息，所述基本信息包括年齡、身高、體重和收入；

處理模塊，用于將所述分箱條件帶入預定義函數得到目標函數，所述目標函數表達方式為其中，表示最小化關聯程度，s.t.表示約束條件，C_i(x)-m表示分箱個數約束條件，m表示分箱個數，C_i(x)-p表示每箱最小比例，C_i(x)表示x的約束條件函數；根據所述分箱條件確定初始向量，將所述初始向量帶入所述目標函數，確定對所述基本特征數據的搜索方向；以所述初始向量為基準點按照所述搜索方向對所述初始向量進行調整并帶入所述目標函數得到對應的函數值，所述函數值為后一個函數值；當后一個函數值與當前函數值的差值小于預設收斂精度，則確定所述后一個所述函數值對應的調整后的初始向量作為分割點，所述當前函數值為將所述初始向量帶入所述目標函數得到的函數值；依據確定的多個所述分割點對用戶輸入的所述基本特征數據進行分箱，得到多組數據。