[發明專利]基于隨機抽樣的聚類可視化方法及裝置

有效

• 申請號: 201911162904.3
• 申請日: 2019-11-25
• 公開（公告）號: CN111027599B
• 公開（公告）日: 2023-07-04
• 發明（設計）人: 李虹鋒;樊丹
• 申請（專利權）人: 中國建設銀行股份有限公司
• 主分類號: G06F18/23213
• 分類號: G06F18/23213
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 趙平;周永君

1.一種基于隨機抽樣的聚類可視化方法，其特征在于，包括：

獲取總體樣本中各特征的取值的概率分布；

對所述總體樣本執行N次隨機抽樣，分別計算每次隨機抽樣中各特征的取值的概率分布；

根據總體樣本中各特征的取值的概率分布以及每次隨機抽樣中各特征的取值的概率分布分別計算每個特征在每次隨機抽樣和總體樣本中的取值的概率分布的KL散度，并確定每個特征的KL散度的最大值；

獲取對所述總體樣本進行聚類生成的聚類簇，分別針對每個所述聚類簇計算各特征的取值的概率分布；

根據每個所述聚類簇對應的各特征的取值的概率分布以及總體樣本中各特征的取值的概率分布計算每個特征在每個所述聚類簇和總體樣本中的取值的概率分布的KL散度；

根據每個特征在每個所述聚類簇和總體樣本中的取值的概率分布的KL散度以及所述每個特征的KL散度的最大值確定每個所述聚類簇中與總體樣本分布不相似的特征；

根據每個所述聚類簇中與總體樣本分布不相似的特征對每個所述聚類簇進行可視化輸出，其中，在進行可視化輸出時僅對各聚類簇中與總體樣本分布不相似的特征進行可視化輸出，對各聚類簇中與總體樣本分布相似的特征不進行輸出。

2.根據權利要求1所述的基于隨機抽樣的聚類可視化方法，其特征在于，還包括：

對所述總體樣本中的所有連續型特征進行離散化處理，得到連續型特征的離散化取值。

3.根據權利要求1所述的基于隨機抽樣的聚類可視化方法，其特征在于，根據每個特征在每個所述聚類簇和總體樣本中的取值的概率分布的KL散度以及所述每個特征的KL散度的最大值確定每個所述聚類簇中與總體樣本分布不相似的特征，具體包括：

判斷每個所述聚類簇中每個特征的取值的概率分布和總體樣本中該特征的取值的概率分布的KL散度是否大于或等于該特征的KL散度的最大值；

若是，則確定該聚類簇中的該特征為與總體樣本分布不相似的特征。

4.根據權利要求1所述的基于隨機抽樣的聚類可視化方法，其特征在于，所述根據每個所述聚類簇中與總體樣本分布不相似的特征對每個所述聚類簇進行可視化輸出，具體包括：

對每個所述聚類簇中與總體樣本分布不相似的特征進行可視化輸出。

5.一種基于隨機抽樣的聚類可視化裝置，其特征在于，包括：

取值概率分布獲取單元，用于獲取總體樣本中各特征的取值的概率分布；

抽樣取值概率分布計算單元，用于對所述總體樣本執行N次隨機抽樣，分別計算每次隨機抽樣中各特征的取值的概率分布；

特征KL散度的最大值計算單元，用于根據總體樣本中各特征的取值的概率分布以及每次隨機抽樣中各特征的取值的概率分布分別計算每個特征在每次隨機抽樣和總體樣本中的取值的概率分布的KL散度，并確定每個特征的KL散度的最大值；

聚類簇取值概率分布計算單元，用于獲取對所述總體樣本進行聚類生成的聚類簇，分別針對每個所述聚類簇計算各特征的取值的概率分布；

聚類簇特征KL散度計算單元，用于根據每個所述聚類簇對應的各特征的取值的概率分布以及總體樣本中各特征的取值的概率分布計算每個特征在每個所述聚類簇和總體樣本中的取值的概率分布的KL散度；

分布不相似特征確定單元，用于根據每個特征在每個所述聚類簇和總體樣本中的取值的概率分布的KL散度以及所述每個特征的KL散度的最大值確定每個所述聚類簇中與總體樣本分布不相似的特征；

可視化輸出單元，用于根據每個所述聚類簇中與總體樣本分布不相似的特征對每個所述聚類簇進行可視化輸出，其中，在進行可視化輸出時僅對各聚類簇中與總體樣本分布不相似的特征進行可視化輸出，對各聚類簇中與總體樣本分布相似的特征不進行輸出。

6.根據權利要求5所述的基于隨機抽樣的聚類可視化裝置，其特征在于，還包括：

離散化處理單元，用于對所述總體樣本中的所有連續型特征進行離散化處理，得到連續型特征的離散化取值。