[發明專利]數據挖掘方法、裝置、計算機設備及計算機可讀存儲介質

在審

• 申請號: 201911004941.1
• 申請日: 2019-10-22
• 公開（公告）號: CN110765216A
• 公開（公告）日: 2020-02-07
• 發明（設計）人: 蔣詩偉;陳丹;顧玉蓮
• 申請（專利權）人: 中國銀行股份有限公司
• 主分類號: G06F16/28
• 分類號: G06F16/28;G06K9/62;G06Q30/02
• 代理公司: 11127 北京三友知識產權代理有限公司
• 代理人: 周曉飛;許曼

1.一種數據挖掘方法，其特征在于，包括：

接收待處理數據，將待處理數據中與目標變量相關的特征項進行等頻或等距分組，分為初始分組數；

每次分組后，分別計算將當前分組中任意相鄰兩組合并的情況下，所有分組的皮爾森卡方統計量，在得到的皮爾森卡方統計量中，按照最大的皮爾森卡方統計量對應的合并方式將相鄰兩組合并，合并后的分組情況視為重新分組，直至分組數為預設分組數，完成數據分箱，其中，皮爾森卡方統計量的大小表示當前分組情況下目標變量的第一分類和目標變量的第二分類之間的差異度，所述預設分組數小于所述初始分組數；

基于數據分箱后所述預設分組數的數據進行數據挖掘。

2.如權利要求1所述的數據挖掘方法，其特征在于，每次分組后，分別計算將當前分組中任意相鄰兩組合并的情況下，所有分組的皮爾森卡方統計量，在得到的皮爾森卡方統計量中，將最大的皮爾森卡方統計量對應的合并方式將相鄰兩組合并，合并后的分組情況視為重新分組，直至分組數為預設分組數，包括：

循環執行以下步驟，直至分組數為所述預設分組數：

針對當前分組，分別計算將當前分組中任意相鄰兩組合并的情況下，所有分組的皮爾森卡方統計量；

在得到的各合并情況下的皮爾森卡方統計量中，確定最大的皮爾森卡方統計量；

按照最大的皮爾森卡方統計量對應的合并方式將相應的相鄰兩組合并，合并后的分組情況視為重新分組；

判斷當前分組數是否為所述預設分組數，若是，結束流程，若否，繼續執行下一步驟。

3.如權利要求1所述的數據挖掘方法，其特征在于，通過以下公式基于所有分組計算皮爾森卡方統計量：

其中，X²為皮爾森卡方統計量；O_i,j為第j個分組中屬于目標變量第i個分類的樣本數；E_i,j為第j個分組中屬于目標變量第i個分類的期望值；r為目標變量的分類數；c為基于特征變量的當前分組數量。

4.如權利要求1至3中任一項所述的數據挖掘方法，其特征在于，將待處理數據中與目標變量相關的特征項進行等頻或等距分組，分為初始分組數，包括：

將待處理數據中與目標變量相關的特征項進行排序；

對排序后的特征項進行等頻或等距分組，分為初始分組數。

5.一種數據挖掘裝置，其特征在于，包括：

初始分組模塊，用于接收待處理數據，將待處理數據中與目標變量相關的特征項進行等頻或等距分組，分為初始分組數；

循環分組模塊，用于每次分組后，分別計算將當前分組中任意相鄰兩組合并的情況下，所有分組的皮爾森卡方統計量，在得到的皮爾森卡方統計量中，按照最大的皮爾森卡方統計量對應的合并方式將相鄰兩組合并，合并后的分組情況視為重新分組，直至分組數為預設分組數，其中，皮爾森卡方統計量的大小表示當前分組情況下目標變量的第一分類和目標變量的第二分類之間的差異度，所述預設分組數小于所述初始分組數；

數據處理模塊，用于基于數據分箱后所述預設分組數的數據進行數據挖掘。

6.如權利要求5所述的數據挖掘裝置，其特征在于，所述循環分組模塊，具體用用于循環執行以下步驟，直至分組數為所述預設分組數：

針對當前分組，分別計算將當前分組中任意相鄰兩組合并的情況下，所有分組的皮爾森卡方統計量；

在得到的各合并情況下的皮爾森卡方統計量中，確定最大的皮爾森卡方統計量；

按照最大的皮爾森卡方統計量對應的合并方式將相應的相鄰兩組合并，合并后的分組情況視為重新分組；

判斷當前分組數是否為所述預設分組數，若是，結束流程，若否，繼續執行下一步驟。

7.如權利要求5所述的數據挖掘裝置，其特征在于，所述循環分組模塊通過以下公式基于所有分組計算皮爾森卡方統計量：

其中，X²為皮爾森卡方統計量；O_i,j為第j個分組中屬于目標變量第i個分類的樣本數；E_i,j為第j個分組中屬于目標變量第i個分類的期望值；r為目標變量的分類數；c為基于特征變量的當前分組數量。