一种分类标签的特征挖掘方法及装置制造方法及图纸

本发明专利技术涉及金融科技(Fintech)领域，并公开了一种分类标签的特征挖掘方法及装置，包括：获取已训练的目标分类模型，所述目标分类模型利用训练对象的特征变量以及所述训练对象的分类标签进行训练得到对应的模型参数；获取目标对象的特征变量；利用解释模型根据所述目标对象的特征变量以及已训练的目标分类模型，确定每个特征的分类结果贡献度；根据所述分类结果贡献度，确定分类解释信息，通过以上的方式，解决了无法解释和分析高收入人群的识别特征和识别结果的问题。

A feature mining method and device of classification label

【技术实现步骤摘要】
一种分类标签的特征挖掘方法及装置
本专利技术涉及金融科技(Fintech)的大数据
，尤其涉及一种分类标签的特征挖掘方法及装置。
技术介绍
随着计算机技术的发展，越来越多的技术(例如：分布式架构、云计算或大数据)应用在金融领域，传统金融业正在逐步向金融科技转变，大数据技术也不例外。但由于金融、支付行业的安全性、实时性要求，也对大数据技术提出了更高的要求。针对含有特定特征人群(如高收入人群或者低收入人群)的识别，目前一般为通过机器学习模型的特征重要性分析，进行初步特征筛选，而后结合人工归纳得出主要特征的人群表征细节。这种方式仅能给出待识别对象的识别结果，例如待识别对象为高收入人群的可能性，无法利用特征进行准确分析，也无法对识别结果进行解释。
技术实现思路
本专利技术提供一种分类标签的特征挖掘方法及装置，用以解决无法解释和准确分析含有特定特征人群的识别特征和识别结果的问题。第一方面，本专利技术实施例提供一种分类标签的特征挖掘方法，该方法包括：获取已训练的目标分类模型，所述目标分类模型利用训练对象的特本文档来自技高网...

【技术保护点】
1.一种分类标签的特征挖掘方法，其特征在于，包括：/n获取已训练的目标分类模型，所述目标分类模型利用训练对象的特征变量以及所述训练对象的分类标签进行训练得到对应的模型参数；/n获取目标对象的特征变量；/n利用解释模型根据所述目标对象的特征变量以及已训练的目标分类模型，确定每个特征的分类结果贡献度；/n根据所述分类结果贡献度，确定分类解释信息。/n

【技术特征摘要】
1.一种分类标签的特征挖掘方法，其特征在于，包括：
获取已训练的目标分类模型，所述目标分类模型利用训练对象的特征变量以及所述训练对象的分类标签进行训练得到对应的模型参数；
获取目标对象的特征变量；
利用解释模型根据所述目标对象的特征变量以及已训练的目标分类模型，确定每个特征的分类结果贡献度；
根据所述分类结果贡献度，确定分类解释信息。


2.如权利要求1所述的方法，其特征在于，所述目标对象的个数为多个；
所述利用解释模型根据所述目标对象的特征变量以及已训练的目标分类模型，确定每个特征的分类结果贡献度，包括：
将所述已训练的目标分类模型输入所述解释模型中；
针对任一目标对象，将所述目标对象的特征变量输入所述解释模型中，确定所述目标对象的每个特征的分类结果贡献度；
所述根据所述分类结果贡献度，确定分类解释信息，包括：
针对任一特征，确定所述特征对应于所述多个目标对象的特征变量和分类结果贡献度的对应关系；
将所述对应关系与预设规则进行对比，判断所述已训练的目标分类模型是否合理。


3.如权利要求1所述的方法，其特征在于，所述解释模型包括以下模型中的一种：
Shapvalue模型、LIME模型、DeepLift模型。


4.如权利要求1至3任一项所述的方法，其特征在于，所述目标分类模型根据以下方式进行训练：
针对第n次训练得到的目标分类模型，通过验证数据确定所述目标分类模型是否过拟合；
在确定所述目标分类模型过拟合后，获取所述目标分类模型在所述第n次训练过程中使用的各训练对象的特征的评估值；根据所述各训练对象的特征的评估值，确定第n+1次训练时使用的训练对象的特征从而得到第n+1次训练的目标分类模型。


5.如权利要求4所述的方法，其特征在于，所述针对第n次训...

【专利技术属性】
技术研发人员：席云，赖良，魏江龙，杨芳，
申请(专利权)人：深圳前海微众银行股份有限公司，
类型：发明
国别省市：广东;44