一种数据预测模型的入模特征确定方法及设备技术

本申请属于人工智能领域，涉及一种数据预测模型的入模特征确定方法及设备，所述方法包括:获取待预测的目标对象在预设时间段的历史数据提取多个原始特征变量，对各原始特征变量的特征值进行数据分箱操作，基于分箱结果获取各原始特征变量的特征画像；根据特征画像确定各原始特征变量是否存在数据偏移以及偏移类型，根据偏移类型得到多个第一特征集合，基于未发生数据偏移的原始特征变量生成第二特征集合；确定待预测的目标对象的预测场景，根据预测场景确定入模特征。本申请涉及区块链技术，所述历史数据可存储于区块链中。本申请通过对原始特征变量的特征画像，可实现对特征变量的是否入模进行量化判定，提高模型预测稳定性和准确性。

【技术实现步骤摘要】
一种数据预测模型的入模特征确定方法及设备
本申请涉及人工智能
，尤其涉及一种数据预测模型的入模特征确定方法、装置、计算机设备及存储介质。
技术介绍
在时间跨度较长的模型预测场景中，比如产品在未来某时段的销量预测，招聘人员在未来某时段的留存预测等，这类模型预测场景是基于历史数据提取的多个入模特征进行数据预测，然而入模特征的分布和预测能力会因时间跨度较长发生波动，导致发生数据偏移。入模特征的数据偏移现象使得模型预测风险加大，为降低模型预测风险。现有的方案是在将原始特征变量作为入模特征前直接剔除不稳定的原始特征变量，这种方式由于不能对原始特征变量是否入模进行量化判定，尤其无法确定是否将数据偏移类的原始特征变量入模，使得入模前的特性筛选的有效性低，无法筛选出最优的入模特征集，导致预测模型的预测稳定性和准确性不高。
技术实现思路
本申请实施例的目的在于提出一种数据预测模型的入模特征确定方法、装置、计算机设备及存储介质，以解决现有技术中无法对原始特征变量进行量化筛选得到最优入模特征集，导致预测模型的预测稳定性和准确性不高的本文档来自技高网...

【技术保护点】
1.一种数据预测模型的入模特征确定方法，其特征在于，包括下述步骤：/n获取待预测的目标对象在预设时间段的历史数据，从所述历史数据中提取多个原始特征变量，对各所述原始特征变量的特征值进行数据分箱操作，并基于分箱结果获取各所述原始特征变量的特征画像；/n根据所述特征画像确定各所述原始特征变量是否存在数据偏移，以及在存在数据偏移时确定所述原始特征变量所属的偏移类型，根据所述偏移类型得到对应的多个第一特征集合，同时基于未发生数据偏移的原始特征变量生成第二特征集合；其中所述偏移类型包括特征分布偏移和特征与目标变量的函数关系偏移；/n确定所述待预测的目标对象对应的预测场景，根据所述预测场景对应的场景预测配...

【技术特征摘要】
1.一种数据预测模型的入模特征确定方法，其特征在于，包括下述步骤：
获取待预测的目标对象在预设时间段的历史数据，从所述历史数据中提取多个原始特征变量，对各所述原始特征变量的特征值进行数据分箱操作，并基于分箱结果获取各所述原始特征变量的特征画像；
根据所述特征画像确定各所述原始特征变量是否存在数据偏移，以及在存在数据偏移时确定所述原始特征变量所属的偏移类型，根据所述偏移类型得到对应的多个第一特征集合，同时基于未发生数据偏移的原始特征变量生成第二特征集合；其中所述偏移类型包括特征分布偏移和特征与目标变量的函数关系偏移；
确定所述待预测的目标对象对应的预测场景，根据所述预测场景对应的场景预测配置信息从所述第二特征集合和所述多个第一特征集合中获取至少一个特征集合，将获取的特征集合中的原始特征变量作为所述数据预测模型的入模特征。


2.根据权利要求1所述的数据预测模型的入模特征确定方法，其特征在于，各所述原始特征变量的特征画像包含多个特征画像参数；
所述根据所述特征画像确定各所述原始特征变量是否存在数据偏移，以及在存在数据偏移时确定所述原始特征变量所属的偏移类型，根据所述偏移类型得到对应的多个第一特征集合的步骤包括：
将各所述原始特征变量的特征画像参数依次与对应的预设阈值进行比较，当存在一个特征画像参数超出对应的预设阈值时，判定对应的原始特征变量存在数据偏移；
根据存在数据偏移的原始特征变量的所有特征画像参数与对应的预设阈值的比较结果确定偏移类型，基于所述偏移类型生成与偏移类型对应的多个第一特征集合。


3.根据权利要求2所述的数据预测模型的入模特征确定方法，其特征在于，所述特征画像参数包括逐月PSI值、逐月-整体PSI值、逐月-整体分箱IV波动系数、逐月-整体分箱绝对命中率波动系数和逐月-整体分箱相对命中率波动系数；
所述根据存在数据偏移的原始特征变量的所有特征画像参数与对应的预设阈值的比较结果确定偏移类型的步骤包括：
当存在数据偏移的原始特征变量在所述预设时间段的所述逐月PSI值或所述逐月-整体PSI值的最大值不小于对应的预设阈值，且所述逐月-整体分箱IV波动系数、所述逐月-整体分箱绝对命中率波动系数和所述逐月-整体分箱相对命中率波动系数的最大值均小于对应的预设阈值，则判定存在数据偏移的原始特征变量的偏移类型为所述特征分布偏移；
当存在数据偏移的原始特征变量在预设时间段的所述逐月PSI值和所述逐月-整体PSI值的最大值小于对应的预设阈值，且所述逐月-整体分箱IV波动系数、所述逐月-整体分箱绝对命中率波动系数和所述逐月-整体分箱相对命中率波动系数中的任意一个的最大值不小于对应的预设阈值，则判定存在数据偏移的原始特征变量的偏移类型为所述特征与目标变量的函数关系偏移；
当存在数据偏移的原始特征变量在预设时间段的所述逐月PSI值或所述逐月-整体PSI值的最大值不小于对应的预设阈值，且所述逐月-整体分箱IV波动系数、所述逐月-整体分箱绝对命中率波动系数和所述逐月-整体分箱相对命中率波动系数中的任意一个的最大值不小于对应的预设阈...

【专利技术属性】
技术研发人员：张巧丽，林荣吉，
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