[发明专利]一种区域的贫困程度确定方法、电子装置及存储介质

权利要求书

1.一种区域的贫困程度确定方法，其特征在于，包括：

获取若干待分析贫困区域的贫困情况调研数据，根据所述贫困情况调研数据，对各所述待分析贫困区域进行贫困区域画像得到第一贫困区域画像；

对所述第一贫困区域画像进行数据异常筛查，对筛查出的异常数据进行异常恢复处理，得到满足预设规范的第二贫困区域画像，其中，所述预设规范为不存在画像数据缺失，且画像数据的分布与正态分布的差异在预设范围内；

对所述第二贫困区域画像的画像维度进行降维处理得到第三贫困区域画像，其中，所述第三贫困区域画像的画像维度的数量低于所述第二贫困区域画像的画像维度的数量；

利用预设的随机森林模型基于所述第三贫困区域画像，对各所述待分析贫困区域的贫困程度进行分析，得到各所述待分析贫困区域的贫困等级的第一分类结果，将各所述待分析贫困区域的贫困等级作为新的画像维度集成到所述第三贫困区域画像中得到第四贫困区域画像，通过GRU神经网络模型基于所述第四贫困区域画像对各所述待分析贫困区域的贫困程度进行分析，得到各所述待分析贫困区域的贫困等级的第二分类结果；

根据所述第二分类结果，确定各所述待分析贫困区域的贫困程度。

2.根据权利要求1所述的区域的贫困程度确定方法，其特征在于，所述对所述第二贫困区域画像的画像维度进行降维处理得到第三贫困区域画像包括：

采用预设的学习模型对所述第二贫困区域画像进行分析，得到所述第二贫困区域画像的画像维度的特征重要性；

基于所述特征重要性，保留所述第二贫困区域画像的画像维度中所述特征重要性满足预设条件的画像维度，删除其它画像维度，得到第三贫困区域画像。

3.根据权利要求1所述的区域的贫困程度确定方法，其特征在于，所述对所述第一贫困区域画像进行数据异常筛查，对筛查出的异常数据进行异常恢复处理，得到满足预设规范的第二贫困区域画像包括：

对所述第一贫困区域画像的各列数据进行筛查，确定原始缺失数据值和未缺失的数据值中的异常数据值，将所述异常数据值删除；

基于预设的填充算法对所述第一贫困区域画像中实际缺失的数据值进行填充，得到第二贫困区域画像。

4.根据权利要求3所述的区域的贫困程度确定方法，其特征在于，所述对所述第一贫困区域画像的各列数据进行筛查，确定原始缺失数据值和未缺失的数据值中的异常数据值，将所述异常数据值删除包括：

识别所述第一贫困区域画像的各列数据中的原始缺失数据值；

对所述第一贫困区域画像的所述各列数据，通过以下步骤a和b进行异常数据值的检验：

步骤a、对于所述第一贫困区域画像的列数据a₁，…，a_n，通过min＝Q₂-k×IQR以及max＝Q₁+k×IQR公式计算得到所述列数据的数据值中的max值与min值，其中，所述Q₁为所述列数据的上四分位数，Q₂为所述列数据的下四分位数，IQR＝Q₁-Q₂，所述k表示对异常值的忍耐度；

步骤b、识别所述列数据中满足a_m＜min或者a_m＞max的数据值，将识别出的数据值确认为异常数据值；

将确认出的所述异常数据值删除。

5.根据权利要求3所述的区域的贫困程度确定方法，其特征在于，所述基于预设的填充算法对所述第一贫困区域画像中实际缺失的数据值进行填充，得到第二贫困区域画像包括：

确定所述第一贫困区域画像中缺失数据值的列数据，作为目标列数据；

基于预设的填充算法，根据各所述目标列数据中未缺失的数据值，推测对应的目标列数据中实际缺失的数据值；

将推测出的数据值，填充在所述第一贫困区域画像中的对应于所述推测出的数据值的目标列数据中，得到第二贫困区域画像。