【技术实现步骤摘要】
本专利技术属于数据处理，应用于医疗健康领域以及金融科技领域，尤其涉及一种基于因果模型的特征提取方法、装置、设备及存储介质。
技术介绍
1、随着数字化进程加速，数据规模与复杂性急剧增长，高效准确的特征提取成为机器学习模型构建的关键瓶颈。当前主流的特征提取技术多依赖关联分析，通过计算变量间相关性筛选特征，这种方法在处理简单数据时尚可满足基本需求，但在面对高维复杂数据时存在显著缺陷。
2、在金融科技领域，用户交易流水、消费行为、信用记录等数据包含海量标签，关联分析难以区分真正影响风险评估、欺诈检测等目标变量的因果因素。例如，客户某次异常交易时间与历史违约记录可能呈现相关性，但并非导致违约的直接原因，纳入此类冗余特征会增加风控模型计算负担，降低实时响应能力，甚至导致误判。
3、医疗健康领域同样面临挑战，患者电子病历、基因检测、临床检验等数据中，混杂因子众多。如在预测药物疗效时，患者年龄、基础疾病、生活习惯等因素可能与治疗结果存在关联，但并非因果关系，传统方法无法有效剔除这些干扰因素，致使疾病诊断、治疗方案推荐模型精度不足...
【技术保护点】
1.一种基于因果模型的特征提取方法，其特征在于，包括：
2.根据权利要求1所述的基于因果模型的特征提取方法，其特征在于，所述基于所述因果模型对所述数值变量集合执行条件独立性检验，生成表征因果关系的图结构，包括：
3.根据权利要求1所述的基于因果模型的特征提取方法，其特征在于，所述识别所述图结构中的孤立节点及混杂因子节点，删除所述孤立节点和所述混杂因子节点，包括：
4.根据权利要求1所述的基于因果模型的特征提取方法，其特征在于，所述提取存在因果关联的特征节点集，包括：
5.根据权利要求1所述的基于因果模型的特征提取方法，其...
【技术特征摘要】
1.一种基于因果模型的特征提取方法，其特征在于，包括：
2.根据权利要求1所述的基于因果模型的特征提取方法，其特征在于，所述基于所述因果模型对所述数值变量集合执行条件独立性检验，生成表征因果关系的图结构，包括：
3.根据权利要求1所述的基于因果模型的特征提取方法，其特征在于，所述识别所述图结构中的孤立节点及混杂因子节点，删除所述孤立节点和所述混杂因子节点，包括：
4.根据权利要求1所述的基于因果模型的特征提取方法，其特征在于，所述提取存在因果关联的特征节点集，包括：
5.根据权利要求1所述的基于因果模型的特征提取方法，其特征在于，所述提取存在因果关联的特征节点集之后，还包括：
6.根据权利要求5所述的基于因果模型的特征提取方法...
【专利技术属性】
技术研发人员：汤文迅，
申请(专利权)人：中国平安财产保险股份有限公司，
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。