【技术实现步骤摘要】
数据处理方法、构建模型的方法、装置及电子设备
[0001]本公开涉及计算机
,尤其涉及大数据
,具体涉及一种数据处理方法、构建模型的方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
技术介绍
[0002]近年来,大数据技术不断发展,尤其是在金融风控场景中,大数据技术得到了广泛应用。利用相关的大数据可以构建金融风控模型,应用该金融风控模型可以判断用户贷款逾期的概率、用户贷款逾期的金额等。
[0003]在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
技术实现思路
[0004]本公开提供了一种数据处理方法、构建模型的方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
[0005]根据本公开的一方面,提供了一种数据处理方法,包括:获取第一预测数据集、模型特征列表和配置信息,其中,模型特征列表指示数据分析模型所需的多个特征;基于模型特征列表和第一预测数据集生成第二预测数据集,其中,第二预测数据集中的预测数据的特征维度小于第一预测数据集中的预测数据的特征维度;基于配置信息对第二预测数据集中的预测数据的特征进行特征变换,以生成第三预测数据集;以及将第三预测数据集输入数据分析模型,以获取预测结果。
[0006]根据本公开的另一方面,提供了一种构建模型的方法,该方法包括:获取来自用户的输入,其 ...
【技术保护点】
【技术特征摘要】
1.一种数据处理方法,包括:获取第一预测数据集、模型特征列表和配置信息,其中,所述模型特征列表指示数据分析模型所需的多个特征;基于所述模型特征列表和所述第一预测数据集生成第二预测数据集,其中,所述第二预测数据集中的预测数据的特征维度小于所述第一预测数据集中的预测数据的特征维度;基于所述配置信息对所述第二预测数据集中的预测数据的特征进行特征变换,以生成第三预测数据集;以及将所述第三预测数据集输入所述数据分析模型,以获取预测结果。2.根据权利要求1所述的方法,其中,还包括:根据所述预测结果计算所述数据分析模型的性能评估指标;以及响应于所述性能评估指标超出预设的阈值范围,发出警报。3.根据权利要求1所述的方法,其中,所述配置信息包括统计值的类型,并且其中,所述基于所述配置信息对所述第二预测数据集中的预测数据的特征进行特征变换,以生成第三预测数据集包括:获取所述第二预测数据集中的每一条预测数据在预设时间段内的至少一种统计值;以及将所述至少一种统计值组成向量,利用所述向量替代所述第二预测数据集中的相应数据以获取第三预测数据集。4.根据权利要求3所述的方法,其中,所述统计值的类型包括下列至少一种:均值、方差、极差、连续递增次数和连续递减次数。5.根据权利要求1至4中任一项所述的方法,其中,所述基于所述配置信息对所述第二预测数据集中的预测数据的特征进行特征变换,以生成第三预测数据集包括:响应于判断第二预测数据集中的预测数据的特征为离散型特征,对所述第二预测数据集中的预测数据的特征进行证据权重替代操作。6.根据权利要求1至4中任一项所述的方法,其中,所述基于所述配置信息对所述第二预测数据集中的预测数据的特征进行特征变换,以生成第三预测数据集包括:响应于判断第二预测数据集中的预测数据的特征为连续型特征,对所述第二预测数据集中的预测数据的特征进行分箱操作和/或证据权重替代操作,以得到所述第三预测数据集。7.一种构建模型的方法,所述方法包括:获取来自用户的输入,其中,所述输入包括配置信息和样本数据集,其中,所述配置信息用于对所述样本数据集进行预处理;以及基于所述配置信息:从所述样本数据集中选取第一数量的样本数据以获取第一样本数据子集;基于所述第一样本数据子集生成第二样本数据子集,其中,所述第二样本数据子集中的样本数据的特征维度小于所述第一样本数据子集中的样本数据的特征维度;对所述第二样本数据子集中的样本数据的特征进行特征变换,以生成第三样本数据子集;以及使用所述第三样本数据子集训练数据分析模型。
8.根据权利要求7所述的方法,还包括:获取所述数据分析模型的性能评估指标;以及响应于所述数据分析模型的所述性能评估指标超出预设范围,更新所述配置信息,并根据更新的配置信息训练所述数据分析模型。9.根据权利要求7所述的方法,其中,所述配置信息包括正样本比重范围,并且其中所述从所述样本数据集中选取第一数量的样本数据以获取第一样本数据子集包括:基于预设的时间长度分割所述样本数据集,以获取至少一个样本数据子集;计算所述至少一个样本数据子集中的每一个样本数据子集中的正样本数据的比重;以及选取所述正样本数据的比重在所述正样本比重范围内的样本数据子集中的样本数据以获取所述第一样本数据子集。10.根据权利要求7所述的方法,其中,所述配置信息包括缺失值比例阈值,并且其中,所述从所述样本数据集中选取第一数量的样本数据以获取第一样本数据子集包括:获取所述样本数据集中的每一条样本数据的缺失值比例;以及选取所述缺失值比例小于所述缺失值比例阈值的样本数据以生成所述第一样本数据子集。11.根据权利要求7所述的方法,其中,所述配置信息包括重要性阈值条件和排序模型名称,并且其中,所述基于所述第一样本数据子集生成第二样本数据子集包括:根据所述排序模型名称确定排序模型;基于所述排序模型,对所述第一样本数据子集中的各特征关于重要性进行排序;以及选取所述第一样本...
【专利技术属性】
技术研发人员:刘昊骋,陈才,冯博豪,徐世界,田建,
申请(专利权)人:北京百度网讯科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。