[发明专利]一种客户分群方法及装置、电子设备、可读存储介质

权利要求书

1.一种客户分群方法，其特征在于，包括：

获取每个客户的特征；

所述特征经评分模型处理获得每个客户的评分；

根据每个客户的评分对所有客户进行分群。

2.如权利要求1所述的方法，其特征在于，所述评分模型包括：Ensemble子模型和投票子模型。

3.如权利要求2所述的方法，其特征在于，所述特征经评分模型处理获得每个客户的评分的步骤包括：

所述特征分别经过所述Ensemble子模型中各算法处理，获得Ensemble子模型中各算法对应的结果值；

将所有结果值输入至所述投票子模型，获得每个客户的评分。

4.如权利要求3所述的方法，其特征在于，所述Ensemble子模型中各算法分别为：朴素贝叶斯算法、逻辑回归算法、随机森林算法、AdaBoost算法、GBDT算法。

5.如权利要求1所述的方法，其特征在于，获取每个客户的特征的步骤包括：

对每个客户的相关数据进行预处理；

将预处理的结果经向上采样和/或向下采样处理；

将采样结果基于Xgboost算法处理，获得特征。

6.如权利要求5所述的方法，其特征在于，所述预处理的方法包括：缺失值处理、异常值处理、变量分箱处理。

7.一种客户分群装置，其特征在于，包括：

特征获取单元，用于获取每个客户的特征；

评分单元，用于所述特征经评分模型处理获得每个客户的评分；

分群单元，用于根据每个客户的评分对所有客户进行分群。

8.如权利要求7所述的装置，其特征在于，所述评分单元中涉及的评分模型包括：Ensemble子模型和投票子模型。

9.如权利要求8所述的装置，其特征在于，所述评分单元包括：

第一子模型处理模块，用于所述特征分别经过所述Ensemble子模型中各算法处理，获得Ensemble子模型中各算法对应的结果值；

第二子模型处理模块，用于将所有结果值输入至所述投票模型，获得每个客户的评分。

10.如权利要求9所述的装置，其特征在于，所述第一子模型处理模块中使用的Ensemble子模型中各算法分别为：朴素贝叶斯算法、逻辑回归算法、随机森林算法、AdaBoost算法、GBDT算法。

11.如权利要求7所述的装置，其特征在于，所述特征获取单元包括：

预处理模块，用于对每个客户的相关数据进行预处理；

采样模块，用于将预处理的结果经向上采样和/或向下采样处理；

特征提取模块，用于将采样结果基于Xgboost算法处理，获得特征。

12.如权利要求11所述的装置，其特征在于，所述预处理模块采用的预处理的方法包括：缺失值处理、异常值处理、变量分箱处理。

13.一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1～6任意一项权利要求所述的客户分群方法。

14.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被执行时实现权利要求1～6任意一项权利要求所述的客户分群方法的步骤。