基于F评分的目标规则生成方法及装置制造方法及图纸

本发明专利技术实施例提供了一种基于F评分的目标规则生成方法及装置，该方法包括：获取数据集；根据该数据集中各样本在多个特征处的F评分的最大值构建决策树模型的节点，并依据该节点生成决策树模型；根据使F评分最优的规则效果判定标准对该决策树模型进行规则抽取，获得符合实践性的目标规则。通过本发明专利技术，由于利用决策树模型规则评价指标的强可解释性、便于运用的优点，基于规则评价的常用指标F评分进行规则抽取，解决了在营销响应和反欺诈等典型业务领域，传统的决策树规则抽取方式抽取的规则不具备最优的评价指标的问题，进而达到了快速生成评价指标最优的、具有业务可解释性的规则的效果。果。果。

【技术实现步骤摘要】
基于F评分的目标规则生成方法及装置


[0001]本专利技术实施例涉及数据处理
，具体而言，涉及一种基于F评分的目标规则生成方法及装置。

技术介绍

[0002]近年来，随着互联网技术和传统金融的快速融合，越来越多的金融交易和活动(如第三方支付和网络借贷)已经实现了数字化，利用丰富的业务数据进行快速准确的预测是在金融实践中需求强烈。在众多的建模应用实践中，规则化的模型输出由于其易于解释，易于落地而受到业务应用的欢迎。
[0003]快速高效的基于预测模型的自动化规则抽取方法，在金融实践的多个方向都有广泛的应用。如在精准营销实践中，用户历史数据，利用数据挖掘算法进行规则抽取，进而运用这些规则开展产品推荐、拉新促活、客户挽留。在风控领域，大量的金融交易带来了交易风险的提高与欺诈事件的增加。如何进行快速、准确的风险监控与欺诈预警已成为银行和第三方支付平台的迫切需要。在这些应用中，效率和效果都是业务实践的要求。
[0004]基于不同的模型，可以有不同的规则自动化抽取方法。常见的模式是在决策树模型的基础上根据树的结构，依据一定的标准，抽取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于F评分的目标规则生成方法，其特征在于，包括：获取数据集；根据所述数据集中各样本在多个特征处的F评分的最大值构建决策树模型的节点，并依据所述节点生成决策树模型；根据使F评分最优的规则效果判定标准对所述决策树模型进行规则抽取，获得符合实践性的目标规则。2.根据权利要求1所述的方法，其特征在于，所述根据所述数据集中各样本在多个特征处的F评分的最大值构建决策树模型的节点，并依据所述节点生成决策树模型，包括：获取所述数据集中各样本在多个特征处的F评分；依据所述F评分的最大值确定正样本，并依据所述F评分的最大值构建所述决策树模型的根节点；依据在前一节点中未确定为正样本的样本的集合在多个特征处的F评分的最大值构建所述决策树模型的下一节点；当F评分达到临界值或所述决策树模型的节点深度达到深度值时，根据所构建的各个节点生成所述决策树模型。3.根据权利要求2所述的方法，其特征在于，所述依据所述F评分的最大值确定正样本，包括：将所述F评分的最大值所在的样本的取值选取为特征划分点；将所述数据集中的样本的取值小于所述特征划分点的样本作为正样本计算第一F评分；当所述第一F评分为所述F评分的最大值时，将所述数据集中的样本的取值小于所述特征划分点的样本作为正样本；或，将所述数据集中的样本的取值大于所述特征划分点的样本作为正样本计算第二F评分；当所述第二F评分为所述F评分的最大值时，将所述数据集中的样本的取值大于所述特征划分点的样本作为正样本。4.根据权利要求2所述的方法，其特征在于，所述当F评分达到临界值或所述决策树模型的节点深度达到深度值时，根据所构建的各个节点生成所述决策树模型，包括：设置F评分的所述临界值和所述决策树模型的所述深度值；当前一节点的F评分的最大值相对于后一节点的F评分的...

【专利技术属性】
技术研发人员：朱良姝，王磊，黄登玺，陈云峰，犹锋，赵苗，邵茜，马骏，江渺，
申请(专利权)人：中国光大银行股份有限公司，
类型：发明
国别省市：