[发明专利]识别模型构建及评估的方法、装置、存储介质及终端

权利要求书

1.一种识别模型构建及评估的方法，其特征在于，所述方法包括：

获取样本数据，并对所述样本数据进行预处理，其中，所述样本数据包括第一方式下转为业务员的客户样本；

以预处理后的所述样本数据作为训练集，基于随机森林算法训练预设的逻辑回归模型，得到业务员转化识别模型；

将预设的第一校验数据输入所述业务员转化识别模型，并获取所述转化识别模型的第一输出结果，其中，所述第一校验数据包括第一方式和第二方式下已转为业务员的客户样本以及未转为业务员的客户样本，所述第一输出结果包括所述第一校验数据中每一个客户样本对应的转化概率；

基于所述转化概率对所述第一校验数据中的客户样本进行分布分析，以评估所述业务员转化识别模型；

所述第一方式是指非人为干预的自然条件；所述第二方式是指人为干预的非自然条件；

每一所述客户样本对应一组属性信息、行为信息、价值信息以及事件响应信息；

所述分布分析是指用统计的指标来计算所述第一输出结果中客户样本的分布情况。

2.如权利要求1所述的识别模型构建及评估的方法，其特征在于，所述基于所述转化概率对所述第一校验数据中的客户样本进行分布分析，以评估所述业务员转化识别模型包括：

根据所述转化概率对所述第一输出结果中的客户样本进行降序排列；

以预设的百分比作为分位点，根据降序排列后的客户样本确定每一分位点对应的已转为业务员的客户样本数和未转为业务员的客户样本数；

对每一分位点，根据所述分位点对应的已转为业务员的客户样本数和未转为业务员的客户样本数计算命中率、覆盖率、提升度；

其中，所述命中率为所述分位点对应的已转为业务员的客户样本数与该分位点对应的客户样本总数之比，所述覆盖率为所述分位点对应的已转为业务员的客户样本数与第一校验数据中已转为业务员的客户样本总数之比，所述提升度为所述分位点对应的覆盖率与所述分位点之比。

3.如权利要求1所述的识别模型构建及评估的方法，其特征在于，所述获取样本数据，并对所述样本数据进行预处理包括：

获取样本数据，对所述样本数据中的异常值进行剔除、对缺失值进行平滑处理；

其中，每一个客户样本包括属性信息、行为信息、价值信息以及事件响应信息。

4.如权利要求1至3任一项所述的识别模型构建及评估的方法，其特征在于，所述方法还包括：

对预处理后的所述样本数据中的每一个连续型变量进行分段处理；

对每一个离散型变量和分段处理后的连续型变量，计算该变量中每一分段的特征信息度IV值，并求取所有分段的特征信息度IV值之和，得到所述变量对转化概率的影响程度；

将所述影响程度与第一预设阈值进行比对，获取影响程度大于第一预设阈值的变量，得到所述业务员转化识别模型的典型转化特征；

其中，对每一个离散型变量或分段处理后的连续型变量V，计算每一分段i的特征信息度IV_i值的公式如下：

在上式中，#B_T表示样本数据中变量V对应的未转为业务员的客户样本数，#G_T表示样本数据中变量V对应的已转为业务员的客户样本数，#B_i表示变量V的第i分段对应的未转为业务员的客户样本数，#G_i表示变量V的第i分段对应的已转为业务员的客户样本数。

5.如权利要求1至3任一项所述的识别模型构建及评估的方法，其特征在于，所述方法还包括：

将预设的第二校验数据输入至所述业务员转化识别模型，并获取所述业务员转化识别模型的第二输出结果，其中，所述第二校验数据包括第二方式下转为业务员的N个客户样本，所述第二输出结果包括所述N个客户样本对应的转化概率；

将每一客户样本对应的转化概率与第二预设阈值进行比对，获取转化概率大于第二预设阈值的客户样本作为目标客户；

求取所述目标客户的个数M与所述客户样本的个数N之比，得到所述业务员转化识别模型的识别率。