[发明专利]基于决策树的特征分箱算法

权利要求书

1.基于决策树的特征分箱算法，其特征在于，包括如下步骤：

S1、对建模数据样本进行特征变量与目标变量组合；

S2、设置决策树分箱算法中的限制条件，包括决策树最大深度，叶子节点最小样本数及特殊样本数等条件，并且设置决策树最优切分点判断指标采用Gini指标；

S3、按照限制条件，遍历所有特征变量与目标变量的组合，排除特殊样本，使用决策树算法对所有排除特殊样本后的组合进行运算分箱；

S4、将特殊样本按照限制条件分为对应数量的组，与步骤(b)形成的分箱结果进行合并，形成最终的分箱结果。

2.根据权利要求1所述的基于决策树的特征分箱算法，其特征在于，在S2中，所述决策树分箱本质上是进行二元分类，以CART为例，依次计算相邻元素的中位数，并切分数据集，将基尼值与切分前进行比较，基尼变化程度最大的切分点即为最优切分点，然后再按照相同的方法分别对切分后的数据集进行再次切分，直到树的深度或叶子节点数达到一定要求为止。

3.根据权利要求2所述的基于决策树的特征分箱算法，其特征在于，在S2中，Gini指标计算式如下：

D₁＝{(x,y)∈D|A(x)＝a}；

D₂＝D-D₁；

其中，D表示样本集合，A表示某一特征变量，a表示特征变量的某一切分点，D₁和D₂表示被可能值a切分为的两组样本，K表示样本类别数量，C_1K是D₁样本集合中第K类的样本子集，|D|表示样本D的样本个数。