[發明專利]一種基于稀疏潛在變量模型的銀行業特征變量聚類的方法

在審

• 申請號: 202010121110.9
• 申請日: 2020-02-26
• 公開（公告）號: CN111401408A
• 公開（公告）日: 2020-07-10
• 發明（設計）人: 何悅
• 申請（專利權）人: 深圳索信達數據技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q10/06;G06Q40/02
• 代理公司: 深圳市千納專利代理有限公司 44218
• 代理人: 黃良寶

1.一種基于稀疏潛在變量模型的銀行業特征變量聚類的方法，其特征在于所述方法包括有如下步驟：

第一步，對原始數據進行一致性檢查，標準化數據格式，清除重復數據、異常數據和無效數據，糾正錯誤數據，根據數據分布情況，使用中位數或者平均值填補缺失值，并將類別變量轉化為數值型變量；

第二歩，對輸入的p維數據集X進行建模：X＝AZ+E；其中：A是p×k的矩陣，Z是k×n的矩陣，E是p×n的噪音矩陣，Z是k維，k是提前設定好的聚類個數，kp；當矩陣A中的元素A_jk不為0時，則判定第j個變量屬于第k類；

第三步，根據數據集X的協方差矩陣∑來計算純變量指數集I和非純變量指數集J；

第四歩，計算矩陣A中對應純變量指數集I的子矩陣A_I和矩陣A中對應非純變量指數集J的子矩陣A_J；

第五步，根據矩陣A中的元素來判斷聚類結果，最終將p個特征變量聚到k個類；根據k個聚類的定義，來一一分配數據集X中的p個特征變量到k類之中，只要元素A_jk不等于0，則認為數據集X中第j個特征變量屬于新聚的第k類。

2.根據權利要求1所述的一種基于稀疏潛在變量模型的銀行業特征變量聚類的方法，其特征在于：第三步中所述的純變量指數集I和非純變量指數集J獲取方法為：數據集X中有p個特征變量，它的協方差矩陣為∑_p×p；對于每一個特征變量i,i∈{1,2,...p},先定義M_i＝max|∑_ij|,S_i＝{j∈[p]\{i}:|∑_ij|＝M_i}，對于所有的j∈S_i,驗證M_i＝M_j；如果上述條件都滿足，則可以定義第i個特征變量是純變量，i屬于純變量指數集I；在獲得純變量指數集I后，所有屬于全指數集{1,2..p}但不屬于純變量指數集I的指數都被判定為非純變量指數，由此構成了非純變量指數集J。

3.根據權利要求1所述的一種基于稀疏潛在變量模型的銀行業特征變量聚類的方法，其特征在于：在模型X＝AZ+E中，將數據集X的協方差矩陣∑＝ACA^T+Cov(E)，運用矩陣分解的方法得到∑_II，∑_IJ，并計算出矩陣C的估計；

對于任意的a,b∈[K],

在得到矩陣C的估計之后，計算子矩陣A_I和子矩陣A_J：

對于每一個i∈I_a,j∈J,

讓

得到子矩陣A_j.＝C^-1θ^j。