逻辑回归模型的构建方法、装置、存储介质及终端制造方法及图纸

本发明专利技术适用于通信技术领域，提供了一种逻辑回归模型的构建方法，所述分析方法包括：获取样本数据，对所述样本数据进行预处理；将预处理后的所述样本数据导出至Excel文档中；生成VBA任务，执行所述VBA任务，对所述Excel文档中的样本数据进行单调性校验及调整；将单调性校验及调整后的样本数据从所述Excel文档导入至数据库中，并作为训练集以训练目标变量的逻辑回归模型。本发明专利技术实现了在构建逻辑回归模型的过程中对样本数据的单调性校验，且实现了可视化的操作界面，有利于快速地检视样本数据的单调性，提高了单调性校验的效率，以及提高了所构建模型的稳定性和准确性。

【技术实现步骤摘要】
逻辑回归模型的构建方法、装置、存储介质及终端
本专利技术属于通信
，尤其涉及一种逻辑回归模型的构建方法、装置、存储介质及终端。
技术介绍
逻辑回归(logisticregression)模型是研究因变量为二类观察结果与影响因数(自变量)之间关系的一种多变量分析方法，属概率型非线性回归。在利用逻辑回归模型进行数据建模时，若输入模型的变量不单调时，会大大地降低模型整体的准确性、稳定性。
技术实现思路
本专利技术实施例提供了一种逻辑回归模型的构建方法、装置、存储介质及终端，以解决现有技术中输入模型的变量不单调时，模型的准确性低、稳定性不佳的问题。本专利技术实施例提供了一种逻辑回归模型的构建方法，所述构建方法包括：获取样本数据，对所述样本数据进行预处理；将预处理后的所述样本数据导出至Excel文档中；生成VBA任务，执行所述VBA任务，对所述Excel文档中的样本数据进行单调性校验及调整；将单调性校验及调整后的样本数据从所述Excel文档导入至数据库中，并作为训练集以训练目标变量的逻辑回归模型。可选地，所述获取样本数据，对所述样本数据进行预处理包括：剔除所述样本数据中的异常数据；从已剔除异常数据的所述样本数据中获取数值型变量，对每一个数值型变量执行分箱操作；针对同一数值型变量的每一分箱，计算每一分箱内数据的特征信息度IV值；剔除特征信息度IV值最小的分箱及其内数据。可选地，所述对所述Excel文档中的样本数据进行单调性校验及调整包括：针对同一数值型变量，计算每一分箱的WOE值；统计所有分箱的WOE值，获取WOE值呈连续递增变化趋势的分箱数和/或WOE值呈连续递减变化趋势的分箱数；选取分箱数较大的变化趋势作为所述数值型变量的目标变化趋势；调整所述数值型变量的分箱方式，以使调整后的所述数值型变量对应的分箱之间呈现所述目标变化趋势；其中，第i分箱的WOEi值的计算公式为：在上式中，pyi表示同一数值型变量对应的第i分箱数据中正样本与所有分箱数据中所有正样本的比例；pni表示同一数值型变量对应的第i分箱数据中负样本与所有分箱数据中所有负样本的比例。可选地，所述调整所述数值型变量的分箱方式，以使调整后的所述数值型变量对应的分箱之间呈现所述目标变化趋势包括：遍历同一数值型变量对应的所有分箱，获取与所述目标变化趋势不一致的分箱作为待调整分箱；获取所述待调整分箱的相邻分箱；合并所述待调整分箱和所述相邻分箱，以使调整后的所述数值型变量对应的分箱之间呈现所述目标变化趋势。可选地，所述根据所述目标变化趋势，调整所述数值型变量的分箱方式，以使调整后的所述数值型变量对应的分箱之间呈现所述目标变化趋势还包括：以直方图的方式输出所述数值型变量对应的所有分箱的WOE值。基于所述直方图获取用户操作指令，根据所述用户操作指令获取待调整分箱，合并所述待调整分箱。可选地，所述构建方法还包括：调用所述逻辑回归模型，根据因变量预测目标变量在指定时间范围内的变化情况，以评估模型的准确度。本专利技术实施例还提供了一种逻辑回归模型的构建装置，所述构建装置包括：预处理模块，用于获取样本数据，对所述样本数据进行预处理；导出模块，用于将预处理后的所述样本数据导出至Excel文档中；校验调整模块，用于生成VBA任务，执行所述VBA任务，对所述Excel文档中的样本数据进行单调性校验及调整；训练模块，用于将单调性校验及调整后的样本数据从所述Excel文档导入至数据库中，并作为训练集以训练目标变量的逻辑回归模型。可选地，所述校验调整模块包括：权重计算单元，用于针对同一数值型变量，计算每一分箱的WOE值；统计单元，用于统计所有分箱的WOE值，获取WOE值呈连续递增变化趋势的分箱数和/或WOE值呈连续递减变化趋势的分箱数；选取单元，用于选取分箱数较大的变化趋势作为所述数值型变量的目标变化趋势；调整单元，用于调整所述数值型变量的分箱方式，以使调整后的所述数值型变量对应的分箱之间呈现所述目标变化趋势；其中，第i分箱的WOEi值的计算公式为：在上式中，pyi表示同一数值型变量对应的第i分箱数据中正样本与所有分箱数据中所有正样本的比例；pni表示同一数值型变量对应的第i分箱数据中负样本与所有分箱数据中所有负样本的比例。本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序由处理器执行时实现如上所述的逻辑回归模型的构建方法所述的步骤。本专利技术实施例还提供了一种终端，所述终端包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的逻辑回归模型的构建方法的所述的步骤。与现有技术相比，本专利技术实施例将Excel文档和VBA技术结合应用到回归模型的构建过程中；通过获取样本数据，对所述样本数据进行预处理后，将预处理后的所述样本数据导出到Excel文档中；然后生成VBA任务，执行所述VBA任务，根据所述Excel文档中的样本数据生成可视化图表，对所述Excel文档中的样本数据进行单调性校验及调整，以保持样本数据的单调性；最后以单调性校验及调整后的样本数据作为训练集，训练目标变量的逻辑回归模型；从而实现了在构建逻辑回归模型的过程中对样本数据的单调性校验，且实现了可视化的操作界面，有利于快速地检视样本数据的单调性，基于单调性调整后的样本数据可有效地提高所构建模型的稳定性和准确性。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。图1是本专利技术实施例提供的逻辑回归模型的构建方法的第一实现流程图；图2是本专利技术实施例提供的逻辑回归模型的构建方法的第二实现流程图；图3是本专利技术实施例提供的逻辑回归模型的构建方法的第三实现流程图；图4是本专利技术实施例提供的逻辑回归模型的构建方法的第四实现流程图；图5是本专利技术实施例提供的以直方图的方式输出WOE值的示例图；图6是本专利技术实施例提供的基于图5人工单调性调整后的WOE值的示例图；图7是本专利技术实施例提供的逻辑回归模型的构建装置的组成结构图；图8是本专利技术实施例提供的终端的示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。图1示出了本专利技术实施例提供的逻辑回归模型的构建方法的第一实现流程。本专利技术实施例提供的所述逻辑回归模型的构建方法应用于终端，包括但不限于计算机、服务器。参阅图1，所述构建方法包括：在步骤S101中，获取样本数据，对所述样本数据进行预处理。在这里，本专利技术实施例要构建逻辑回归模型，根据逻辑回归模型是研究因变量为二类观察结果与影响因数(自变量)之间关系的一种多变量分析方法，需要获取正负样本。其中，所述正样本为响应数据，负样本为作为参照的未响应数据。然后对所述样本数据进行预处理，以修正所述样本数据中的异常数据，提高样本数据的质量，以及降低参与单调性校验的样本数据维度。在步骤S102中，将预处理后的所述样本数据导出至Excel文档中。本专利技术实施例利用Excel+本文档来自技高网...

【技术保护点】
1.一种逻辑回归模型的构建方法，其特征在于，所述构建方法包括：获取样本数据，对所述样本数据进行预处理；将预处理后的所述样本数据导出至Excel文档中；生成VBA任务，执行所述VBA任务，对所述Excel文档中的样本数据进行单调性校验及调整；将单调性校验及调整后的样本数据从所述Excel文档导入至数据库中，并作为训练集以训练目标变量的逻辑回归模型。

【技术特征摘要】
1.一种逻辑回归模型的构建方法，其特征在于，所述构建方法包括：获取样本数据，对所述样本数据进行预处理；将预处理后的所述样本数据导出至Excel文档中；生成VBA任务，执行所述VBA任务，对所述Excel文档中的样本数据进行单调性校验及调整；将单调性校验及调整后的样本数据从所述Excel文档导入至数据库中，并作为训练集以训练目标变量的逻辑回归模型。2.如权利要求1所述的逻辑回归模型的构建方法，其特征在于，所述获取样本数据，对所述样本数据进行预处理包括：获取样本数据，剔除所述样本数据中的异常数据；从已剔除异常数据的所述样本数据中获取数值型变量，对每一个数值型变量执行分箱操作；针对同一数值型变量的每一分箱，计算每一分箱内数据的特征信息度IV值；剔除特征信息度IV值最小的分箱及其内数据。3.如权利要求1所述的逻辑回归模型的构建方法，其特征在于，所述对所述Excel文档中的样本数据进行单调性校验及调整包括：针对同一数值型变量，计算每一分箱的WOE值；统计所有分箱的WOE值，获取WOE值呈连续递增变化趋势的分箱数和/或WOE值呈连续递减变化趋势的分箱数；选取分箱数较大的变化趋势作为所述数值型变量的目标变化趋势；调整所述数值型变量的分箱方式，以使调整后的所述数值型变量对应的分箱之间呈现所述目标变化趋势；其中，第i分箱的WOEi值的计算公式为：在上式中，pyi表示同一数值型变量对应的第i分箱数据中正样本与所有分箱数据中所有正样本的比例；pni表示同一数值型变量对应的第i分箱数据中负样本与所有分箱数据中所有负样本的比例。4.如权利要求3所述的逻辑回归模型的构建方法，其特征在于，所述调整所述数值型变量的分箱方式，以使调整后的所述数值型变量对应的分箱之间呈现所述目标变化趋势包括：遍历同一数值型变量对应的所有分箱，获取与所述目标变化趋势不一致的分箱作为待调整分箱；获取所述待调整分箱的相邻分箱；合并所述待调整分箱和所述相邻分箱，以使调整后的所述数值型变量对应的分箱之间呈现所述目标变化趋势。5.如权利要求3或4所述的逻辑回归模型的构建方法，其特征在于，所述根据所述目标变化趋势，调整所述数值型变量的分...

【专利技术属性】
技术研发人员：王进，
申请(专利权)人：中国平安人寿保险股份有限公司，
类型：发明
国别省市：广东,44