[發(fā)明專利]一種基于稀疏潛在變量模型的銀行業(yè)特征變量聚類的方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010121110.9
• 申請(qǐng)日: 2020-02-26
• 公開(kāi)（公告）號(hào): CN111401408A
• 公開(kāi)（公告）日: 2020-07-10
• 發(fā)明（設(shè)計(jì)）人: 何悅
• 申請(qǐng)（專利權(quán)）人: 深圳索信達(dá)數(shù)據(jù)技術(shù)有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): 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(yè)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(duì)原始數(shù)據(jù)進(jìn)行一致性檢查，標(biāo)準(zhǔn)化數(shù)據(jù)格式，清除重復(fù)數(shù)據(jù)、異常數(shù)據(jù)和無(wú)效數(shù)據(jù)，糾正錯(cuò)誤數(shù)據(jù)，根據(jù)數(shù)據(jù)分布情況，使用中位數(shù)或者平均值填補(bǔ)缺失值，并將類別變量轉(zhuǎn)化為數(shù)值型變量；

第二歩，對(duì)輸入的p維數(shù)據(jù)集X進(jìn)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(shè)定好的聚類個(gè)數(shù)，kp；當(dāng)矩陣A中的元素A_jk不為0時(shí)，則判定第j個(gè)變量屬于第k類；

第三步，根據(jù)數(shù)據(jù)集X的協(xié)方差矩陣∑來(lái)計(jì)算純變量指數(shù)集I和非純變量指數(shù)集J；

第四歩，計(jì)算矩陣A中對(duì)應(yīng)純變量指數(shù)集I的子矩陣A_I和矩陣A中對(duì)應(yīng)非純變量指數(shù)集J的子矩陣A_J；

第五步，根據(jù)矩陣A中的元素來(lái)判斷聚類結(jié)果，最終將p個(gè)特征變量聚到k個(gè)類；根據(jù)k個(gè)聚類的定義，來(lái)一一分配數(shù)據(jù)集X中的p個(gè)特征變量到k類之中，只要元素A_jk不等于0，則認(rèn)為數(shù)據(jù)集X中第j個(gè)特征變量屬于新聚的第k類。

2.根據(jù)權(quán)利要求1所述的一種基于稀疏潛在變量模型的銀行業(yè)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(shù)集I和非純變量指數(shù)集J獲取方法為：數(shù)據(jù)集X中有p個(gè)特征變量，它的協(xié)方差矩陣為∑_p×p；對(duì)于每一個(gè)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(duì)于所有的j∈S_i,驗(yàn)證M_i＝M_j；如果上述條件都滿足，則可以定義第i個(gè)特征變量是純變量，i屬于純變量指數(shù)集I；在獲得純變量指數(shù)集I后，所有屬于全指數(shù)集{1,2..p}但不屬于純變量指數(shù)集I的指數(shù)都被判定為非純變量指數(shù)，由此構(gòu)成了非純變量指數(shù)集J。

3.根據(jù)權(quán)利要求1所述的一種基于稀疏潛在變量模型的銀行業(yè)特征變量聚類的方法，其特征在于：在模型X＝AZ+E中，將數(shù)據(jù)集X的協(xié)方差矩陣∑＝ACA^T+Cov(E)，運(yùn)用矩陣分解的方法得到∑_II，∑_IJ，并計(jì)算出矩陣C的估計(jì)；

對(duì)于任意的a,b∈[K],

在得到矩陣C的估計(jì)之后，計(jì)算子矩陣A_I和子矩陣A_J：

對(duì)于每一個(gè)i∈I_a,j∈J,

讓

得到子矩陣A_j.＝C^-1θ^j。