[發(fā)明專利]數(shù)據(jù)處理方法、裝置和目標對象風險監(jiān)控方法

在審

• 申請?zhí)枺?/td>: 201911173683.X
• 申請日: 2019-11-26
• 公開（公告）號: CN111105144A
• 公開（公告）日: 2020-05-05
• 發(fā)明（設(shè)計）人: 董肖凱;樊帥
• 申請（專利權(quán)）人: 蘇寧金融科技（南京）有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06N20/00
• 代理公司: 北京市萬慧達律師事務(wù)所 11111
• 代理人: 劉艷麗

本申請涉及一種數(shù)據(jù)處理方法、裝置、計算機設(shè)備和存儲介質(zhì)。該方法包括：獲取目標對象的屬性數(shù)據(jù)，屬性數(shù)據(jù)為連續(xù)型數(shù)據(jù)；根據(jù)目標預(yù)設(shè)分箱標準對屬性數(shù)據(jù)進行分箱處理，得到多個當前箱體，各個當前箱體包括對應(yīng)的當前離散型數(shù)據(jù)；獲取各個當前箱體對應(yīng)的第一閾值和第二閾值；根據(jù)第一閾值和第二閾值對各個當前箱體中的當前離散型數(shù)據(jù)進行更新，得到目標對象對應(yīng)的目標離散型數(shù)據(jù)，目標離散型數(shù)據(jù)作為建立目標對象風險監(jiān)控模型的特征向量。此外，還提供了一種目標對象風險監(jiān)控方法、裝置、計算機設(shè)備和存儲介質(zhì)。

技術(shù)領(lǐng)域

本申請涉及計算機技術(shù)領(lǐng)域，特別是涉及一種數(shù)據(jù)處理方法、裝置、計算機設(shè)備和存儲介質(zhì)，以及目標對象風險監(jiān)控方法、裝置、計算機設(shè)備和存儲介質(zhì)。

背景技術(shù)

隨著計算機技術(shù)的發(fā)展，出現(xiàn)了機器學(xué)習(xí)技術(shù)，機器學(xué)習(xí)在人工智能領(lǐng)域起到至關(guān)重要的作用，而特征工程是機器學(xué)習(xí)中最重要的步驟，也是機器學(xué)習(xí)模型建立的必要前提，其中，風險監(jiān)控模型是機器學(xué)習(xí)模型中的一種，然而在建立風險監(jiān)控模型時，需要對連續(xù)型變量進行離散化處理，離散化處理后的特征能夠降低模擬過擬合的風險，提高風險監(jiān)控模型的穩(wěn)定性。其中，目前典型的連續(xù)型變量的離散化處理是分箱處理，得到分箱后的箱體，但是由于分箱得到的箱體過多以及箱體內(nèi)的離散型數(shù)據(jù)數(shù)目過多，導(dǎo)致連續(xù)型變量離散化處理不準確，進一步造成后續(xù)風險監(jiān)控模型出現(xiàn)過擬合現(xiàn)象，因此造成風險監(jiān)控模型輸出的風險監(jiān)控結(jié)果不準確。

發(fā)明內(nèi)容

基于此，有必要針對上述技術(shù)問題，提供一種能夠提高離散處理的準確性從而提高風險監(jiān)控模型的準確率的數(shù)據(jù)處理方法、裝置、計算機設(shè)備和存儲介質(zhì)，以及目標對象風險監(jiān)控方法、裝置、計算機設(shè)備和存儲介質(zhì)。

一種數(shù)據(jù)處理方法，該方法包括：

獲取目標對象的屬性數(shù)據(jù)，屬性數(shù)據(jù)為連續(xù)型數(shù)據(jù)；

根據(jù)目標預(yù)設(shè)分箱標準對屬性數(shù)據(jù)進行分箱處理，得到多個當前箱體，各個當前箱體包括對應(yīng)的當前離散型數(shù)據(jù)；

獲取各個當前箱體對應(yīng)的第一閾值和第二閾值；

根據(jù)第一閾值和第二閾值對各個當前箱體中的當前離散型數(shù)據(jù)進行更新，得到目標對象對應(yīng)的目標離散型數(shù)據(jù)，目標離散型數(shù)據(jù)作為建立目標對象風險監(jiān)控模型的特征向量。

一種數(shù)據(jù)處理裝置，該裝置包括：

屬性數(shù)據(jù)獲取模塊，用于獲取目標對象的屬性數(shù)據(jù)，屬性數(shù)據(jù)為連續(xù)型數(shù)據(jù)；

屬性數(shù)據(jù)處理模塊，用于根據(jù)目標預(yù)設(shè)分箱標準對屬性數(shù)據(jù)進行分箱處理，得到多個當前箱體，各個當前箱體包括對應(yīng)的當前離散型數(shù)據(jù)；

權(quán)重因子獲取模塊，用于獲取各個當前箱體對應(yīng)的第一閾值和第二閾值；

離散型數(shù)據(jù)生成模塊，用于根據(jù)第一閾值和第二閾值對各個當前箱體中的當前離散型數(shù)據(jù)進行更新，得到目標對象對應(yīng)的目標離散型數(shù)據(jù)，目標離散型數(shù)據(jù)作為建立目標對象風險監(jiān)控模型的特征向量。

一種計算機設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)以下步驟：

獲取目標對象的屬性數(shù)據(jù)，屬性數(shù)據(jù)為連續(xù)型數(shù)據(jù)；

根據(jù)目標預(yù)設(shè)分箱標準對屬性數(shù)據(jù)進行分箱處理，得到多個當前箱體，各個當前箱體包括對應(yīng)的當前離散型數(shù)據(jù)；

獲取各個當前箱體對應(yīng)的第一閾值和第二閾值；

根據(jù)第一閾值和第二閾值對各個當前箱體中的當前離散型數(shù)據(jù)進行更新，得到目標對象對應(yīng)的目標離散型數(shù)據(jù)，目標離散型數(shù)據(jù)作為建立目標對象風險監(jiān)控模型的特征向量。

一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)以下步驟：