[發(fā)明專利]特征篩選方法、預(yù)警方法、裝置、電子設(shè)備、介質(zhì)和程序

在審

• 申請(qǐng)?zhí)枺?/td>: 202111449097.0
• 申請(qǐng)日: 2021-11-29
• 公開（公告）號(hào): CN114119207A
• 公開（公告）日: 2022-03-01
• 發(fā)明（設(shè)計(jì)）人: 李鈺;于洋;楊絲雨;焦勇博
• 申請(qǐng)（專利權(quán)）人: 中國(guó)工商銀行股份有限公司
• 主分類號(hào): G06Q40/02
• 分類號(hào): G06Q40/02;G06K9/62;G06F16/2455;G08B31/00
• 代理公司: 中科專利商標(biāo)代理有限責(zé)任公司 11021
• 代理人: 張琛

1.一種用于數(shù)據(jù)的特征篩選方法，其特征在于，包括：

確定數(shù)據(jù)樣本，所述數(shù)據(jù)樣本中包括多種特征；

第一階段篩選數(shù)據(jù)，所述第一階段篩選數(shù)據(jù)包括：運(yùn)用最大相關(guān)-最小冗余算法、運(yùn)用特征權(quán)重算法和運(yùn)用T檢驗(yàn)算法分別對(duì)所述數(shù)據(jù)樣本進(jìn)行特征篩選，將篩選結(jié)果求并集得到第一階段特征子集；

第二階段篩選數(shù)據(jù)，所述第二階段篩選數(shù)據(jù)包括：

運(yùn)用包裝式特征選擇方法對(duì)所述第一階段特征子集進(jìn)行特征篩選，得到第四特征子集；

運(yùn)用嵌入式特征選擇方法對(duì)所述第一階段特征子集進(jìn)行特征篩選，得到第五特征子集；以及

根據(jù)第四特征子集和第五特征子集得到最終特征。

2.根據(jù)權(quán)利要求1所述的用于數(shù)據(jù)的特征篩選方法，其特征在于，所述運(yùn)用包裝式特征選擇方法對(duì)所述第一階段特征子集進(jìn)行特征篩選包括運(yùn)用特征排序算法對(duì)第一階段特征子集進(jìn)行迭代，在迭代過程中得到第四特征子集。

3.根據(jù)權(quán)利要求1所述的用于數(shù)據(jù)的特征篩選方法，其特征在于，所述運(yùn)用嵌入式特征選擇方法對(duì)所述第一階段特征子集進(jìn)行特征篩選包括運(yùn)用梯度增強(qiáng)算法對(duì)第一階段特征子集進(jìn)行迭代，在迭代過程中得到第五特征子集。

4.根據(jù)權(quán)利要求1所述的用于數(shù)據(jù)的特征篩選方法，其特征在于，所述根據(jù)第四特征子集和第五特征子集得到最終特征包括根據(jù)指示函數(shù)計(jì)算每個(gè)特征的重要性得分，將所述重要性得分升序或者降序排列，得到N_final個(gè)最終特征，N_final為大于等于1的整數(shù)，所述指示函數(shù)包括以下公式：

其中，f_i代表各個(gè)特征；m代表包裝式特征選擇方法的模型或者嵌入式特征選擇方法的模型；t_i代表第四特征子集或者第五特征子集的個(gè)數(shù)；acc_m，k代表模型m在第k次運(yùn)行時(shí)的精度；N_final代表最終特征的個(gè)數(shù)；r(f_i，m，k)表示第k次運(yùn)行時(shí)模型m的特征f_i的秩，每個(gè)模型m中特征的最大秩記為

5.根據(jù)權(quán)利要求1所述的用于數(shù)據(jù)的特征篩選方法，其特征在于，所述確定數(shù)據(jù)樣本包括：

從數(shù)據(jù)存儲(chǔ)系統(tǒng)中獲取第一數(shù)據(jù)，將所述第一數(shù)據(jù)作為所述數(shù)據(jù)樣本。

6.根據(jù)權(quán)利要求1所述的用于數(shù)據(jù)的特征篩選方法，其特征在于，所述確定數(shù)據(jù)樣本包括：

從數(shù)據(jù)存儲(chǔ)系統(tǒng)中獲取第一數(shù)據(jù)；以及

將所述第一數(shù)據(jù)中的異常特征值回歸，得到第二數(shù)據(jù)，將所述第二數(shù)據(jù)作為所述數(shù)據(jù)樣本。

7.根據(jù)權(quán)利要求6所述的用于數(shù)據(jù)的特征篩選方法，其特征在于，所述異常特征值包括缺失值，所述將所述第一數(shù)據(jù)中的異常特征值回歸包括用所述異常特征下的數(shù)據(jù)的均值或中位數(shù)填充所述缺失值或者用歸納法確定所述缺失值。

8.根據(jù)權(quán)利要求1所述的用于數(shù)據(jù)的特征篩選方法，其特征在于，所述確定數(shù)據(jù)樣本包括：

分別從多個(gè)所述數(shù)據(jù)存儲(chǔ)系統(tǒng)中獲取第一數(shù)據(jù)；

將所述第一數(shù)據(jù)中的異常值回歸，得到第二數(shù)據(jù)；以及

將不同的數(shù)據(jù)存儲(chǔ)系統(tǒng)中得到的第二數(shù)據(jù)整合，以形成所述數(shù)據(jù)樣本。

9.根據(jù)權(quán)利要求8所述的用于數(shù)據(jù)的特征篩選方法，其特征在于，所述確定數(shù)據(jù)樣本還包括：

采用標(biāo)準(zhǔn)化方法對(duì)整合后的所述第二數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化轉(zhuǎn)換，標(biāo)準(zhǔn)化轉(zhuǎn)換后的數(shù)據(jù)為所述數(shù)據(jù)樣本。

10.一種銀行客戶流失的預(yù)警方法，其特征在于，包括：

執(zhí)行根據(jù)權(quán)利要求1-9中任一項(xiàng)所述的用于數(shù)據(jù)的特征篩選方法，以獲得最終特征；

將所述最終特征輸入模型作為輸入層；

將輸入所述輸入層的特征數(shù)據(jù)轉(zhuǎn)換為中間數(shù)據(jù)；以及

將中間數(shù)據(jù)轉(zhuǎn)換成最終結(jié)果，其中，最終結(jié)果用于表征客戶為易流失客戶或非易流失客戶。