[发明专利]金融欺诈检测中时间与成本特征选择方法、设备、介质

权利要求书

1.金融欺诈检测中时间与成本特征选择方法，其特征在于包括以下步骤：

提取金融数据特征，从用户数据表中提取出用户的金融数据特征，对所述金融数据特征进行统计，得到统计特征，并对所述统计特征进行筛选，得到n维特征，通过用户主键匹配得到用户标签；

匹配时间与成本价值，匹配数据库中所述n维特征对应的成本价值和时间价值；

构建机器学习模型，将每个特征对应的成本价值和时间价值计入损失函数的一部分，以最小化所述损失函数为目标进行模型训练，将用户特征和用户标签作为模型的输入进行模型训练，得到机器学习模型；

计算特征重要性，通过所述机器学习模型计算每个特征的重要性，对每个特征对应的重要性进行排列，并进行固定维度的特征选择。

2.如权利要求1所述的金融欺诈检测中时间与成本特征选择方法，其特征在于，所述提取金融数据特征步骤具体包括以下步骤：

提取n维特征，从数据库中的用户数据表中提取与用户相关的金融数据特征，通过统计所述金融数据特征的最大值、最小值、中位数、求和、均值、方差，得到统计特征，对所述统计特征进行清洗筛选，得到n维特征；

匹配用户标签，通过业务逻辑对用户进行标签标定，得到用户标签。

3.如权利要求1所述的金融欺诈检测中时间与成本特征选择方法，其特征在于：所述匹配时间与成本价值步骤中，根据所述n维特征匹配数据库中的特征指标价格表和特征指标的时间价值表，获得特征对应的成本价值和时间价值。

4.如权利要求1所述的金融欺诈检测中时间与成本特征选择方法，其特征在于：所述机器学习模型为LightGBM模型。

5.如权利要求4所述的金融欺诈检测中时间与成本特征选择方法，其特征在于，所述构建机器学习模型步骤具体包括以下步骤：

建立原损失函数，建立LightGBM模型的原损失函数，具体公式如下：

其中，代表决策树模型树的集合，共有K棵树(t₁,…,t_K),i∈[1,N]代表从第1个样本到第N个样本，L代表定义的误差函数，x_i代表第i个样本的特征，每个样本有n维特征，y_i代表第i个样本的标签，Ω代表衡量树结构好坏的函数，t_k(x_i)代表第k棵决策树关于第i个样本的输出；

所述定义的误差函数的具体公式如下：

所述衡量树结构好坏的函数的具体公式如下：

其中，T代表第k棵树的叶子个数,λ为参数,ω代表叶子的值；

建立新损失函数，建立LightGBM模型的新损失函数，具体公式如下：

其中，O_k代表第k次迭代需要优化的损失函数，i∈[1,N]代表从第1个样本到第N个样本,λ为参数,k代表第k次迭代，x_i代表第i个样本的特征，每个样本有n维特征,Ψ(k,x_i)是关于特征和树结构的代价函数，Ψ_c(k)是第k棵树中特征成本计算的函数；

Ψ(k,x_i)的具体公式如下：

其中，代表第i个样本在前k棵树的评估代价函数，代表第i个样本在前k棵树的结构代价函数，C(k,i,m)代表在前k棵树中预测第i个样本是否用到特征m，是则C(k,i,m)＝1，否则为C(k,i,m)＝0，β_m代表第m个特征的价格成本，μ_m代表第m个特征的时间价值,代表当前k次迭代中的第次迭代，代表第i个样本在第棵树中所属的叶子节点，代表第k棵树中从根节点走到x_i所属的叶子节点需要经过的分裂节点个数；

Ψ_c(k)的具体公式如下：

其中，β_m代表第m个特征的成本，μ_m代表第m个特征的时间价值，当特征m在第k棵树被使用时，D(k,m)＝1，当特征m在第k棵树未被使用时，D(k,m)＝0；

使用T_k-1(x_i)附近的二阶泰勒公式近似O_k，具体公式如下：

其中，ΔΨ(x_i)＝Ψ(k,x_i)-Ψ(k-1,x_i),ΔΨ_c＝Ψ_c(k)-Ψ_c(k-1)；

其中，代表第k棵树中属于叶子节点l的样本集合，ω_k,l代表第k棵树中叶子节点l的值，是关于ω_k,l的二次函数，当时，损失函数取最小值；

训练LightGBM模型，将[X_i,y_i],i∈[1,N]作为LightGBM模型的输入，迭代训练后LightGBM模型的输出对应样本的预测值Predict_i，其中，i代表第i个样本，X_i代表第i个样本的n维特征向量，y_i代表第i个样本的真实标签值，N代表样本总数,Predict_i代表第i个样本的预测值。