[發(fā)明專利]一種機器建模過程中的特征篩選方法、裝置及電子設(shè)備

在審

• 申請?zhí)枺?/td>: 202011566617.1
• 申請日: 2020-12-25
• 公開（公告）號: CN112613983A
• 公開（公告）日: 2021-04-06
• 發(fā)明（設(shè)計）人: 任亮;傅雨梅;徐兵;羅剛
• 申請（專利權(quán)）人: 北京知因智慧科技有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06Q10/06;G06N20/00
• 代理公司: 北京超凡宏宇專利代理事務(wù)所(特殊普通合伙) 11463
• 代理人: 劉鳳

本申請?zhí)峁┝艘环N機器建模過程中的特征篩選方法、裝置及電子設(shè)備，所述方法包括：獲取每個樣本用戶在每個特征維度下的待構(gòu)建用戶特征；通過不同的特征篩選方式，從獲取到的多個特征維度中確定出在每種特征篩選方式下用于構(gòu)建訓練特征集的候選維度；將在各種特征篩選方式下均用于構(gòu)建訓練特征集的候選維度，確定為目標特征維度；基于各個目標特征維度下的待構(gòu)建用戶特征，構(gòu)建用于訓練用戶可信度評估模型的訓練特征集。這樣，本申請通過采用不同的特征篩選方式對多個待構(gòu)建用戶特征進行篩選，確定出更加適合用于訓練評估用戶可信度模型的訓練特征集，間接可以使得使用該訓練特征集訓練得到的模型可以更加準確的評估用戶的可信度。

技術(shù)領(lǐng)域

本申請涉及大數(shù)據(jù)處理技術(shù)領(lǐng)域，尤其是涉及一種機器建模過程中的特征篩選方法、裝置及電子設(shè)備。

背景技術(shù)

金融的核心競爭力是風控，而風控的關(guān)鍵在于風險定價能力，這主要集中在貸前的客戶選擇上，因此如何將客戶逾期風險控制在一個最優(yōu)區(qū)間是非常重要的。通常利用用戶過往的行為特征數(shù)據(jù)，應用機器學習技術(shù)建立模型預測客戶在不同場景下未來的風險是實施風險控制的主要手段之一。

但獲取用戶過往的行為數(shù)據(jù)的過程中，會產(chǎn)生一些冗余的數(shù)據(jù)，這些數(shù)據(jù)對于我們想構(gòu)建的最優(yōu)模型沒有太多價值，甚至可能會產(chǎn)生副作用。因此在構(gòu)建模型過程中就需要不斷的進行試驗和篩選，最后才能構(gòu)建一個最優(yōu)模型。但是在這個過程中，通過人為篩選的方式進行，會非常耗費人力，并且還會拖慢模型構(gòu)建的速度。因此就需要提供一種根據(jù)數(shù)據(jù)的特征自動進行數(shù)據(jù)篩選的方式，以能夠篩選出更準確的數(shù)據(jù)。

發(fā)明內(nèi)容

有鑒于此，本申請的目的在于提供一種機器建模過程中的特征篩選方法、裝置及電子設(shè)備，通過采用不同的特征篩選方式對多個待構(gòu)建用戶特征進行篩選，確定出更加適合用于訓練評估用戶可信度模型的訓練特征集，間接可以使得使用該訓練特征集訓練得到的模型可以更加準確的評估用戶的可信度。

本申請實施例提供了一種機器建模過程中的特征篩選方法，所述特征篩選方法包括：

獲取每個樣本用戶在每個特征維度下的待構(gòu)建用戶特征；

通過不同的特征篩選方式，從獲取到的多個特征維度中確定出在每種特征篩選方式下用于構(gòu)建訓練特征集的候選維度；

將在各種特征篩選方式下均用于構(gòu)建訓練特征集的候選維度，確定為目標特征維度；

基于各個目標特征維度下的待構(gòu)建用戶特征，構(gòu)建用于訓練用戶可信度評估模型的訓練特征集。

進一步的，所述通過不同的特征篩選方式，從獲取到的多個特征維度中確定出在每種特征篩選方式下用于構(gòu)建訓練特征集的候選維度，包括：

針對于每種特征篩選方式，確定每個特征維度在所述特征篩選方式下的重要性系數(shù)；

按照每個特征維度在所述特征篩選方式下的重要性系數(shù)，降序排列所述多個特征維度；

將位于前預設(shè)位數(shù)的特征維度確定為在所述特征篩選方式下的候選維度。

進一步的，所述將在各種特征篩選方式下均用于構(gòu)建訓練特征集的候選維度，確定為目標特征維度，包括：

統(tǒng)計每個候選維度被用于構(gòu)建訓練特征集的構(gòu)建次數(shù)；

針對于每個候選維度，當所述候選維度的構(gòu)建次數(shù)等于特征篩選方式的數(shù)量時，將所述候選維度確定為目標特征維度。

進一步的，所述特征篩選方式包括信息值篩選方式、基尼系數(shù)篩選方式、熵篩選方式、熵率篩選方式以及卡方篩選方式中的多種。

本申請實施例還提供了一種機器建模過程中的特征篩選裝置，所述特征篩選裝置包括：

獲取模塊，用于獲取每個樣本用戶在每個特征維度下的待構(gòu)建用戶特征；