[发明专利]数据决策方法、装置、电子设备及存储介质

说明书

本发明涉及数据处理技术领域，提供一种数据决策方法、装置、电子设备及存储介质。该方法从配置数据库中获取待决策案件的原始信息数据集，并对所述原始信息数据集进行特征提取及降维分析，得到标准信息数据集，进一步对所述标准信息数据集中的数据进行相似性度量计算，并基于聚类分析算法检查所述标准信息数据集中的数据，得到所述标准信息数据集中的数据的相似度值，实现对高维数据间相似程度的表征，再将所述标准信息数据集的相似度值进行聚类后簇中心计算，得到小边缘值信息数据集，并根据所述小边缘值信息数据集对所述待决策案件的决策标签进行预测，输出目标决策标签，降低了簇边界点的影响，进而得到预测的目标决策标签以辅助案件决策。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种数据决策方法、装置、电子设备及存储介质。

背景技术

现有技术方案中，在根据已知数据进行数据决策，如进行智能核保时，无法对所述数据中较大的以及高维的数据进行处理，也不能精确地计算出两个数据对象的相似程度，数据簇中心还容易受到簇边界点的影响，导致依据各维数据的均值计算的类中心不准确，从而影响了对数据对象相似程度的确定，数据的匹配关联容易出现错误。

发明内容

鉴于以上内容，有必要提供一种数据决策方法、装置、电子设备及存储介质，能够实现对大量且高维的数据的准确处理，并降低簇边界点的影响，进而得到预测的目标决策标签以辅助数据决策。

一种数据决策方法，所述方法包括：

从配置数据库中获取待决策案件的原始信息数据集；

对所述原始信息数据集进行特征提取及降维分析，得到标准信息数据集；

对所述标准信息数据集中的数据进行相似性度量计算，并基于聚类分析算法检查所述标准信息数据集中的数据，得到所述标准信息数据集中的数据的相似度值；

将所述标准信息数据集的相似度值进行聚类后簇中心计算，得到小边缘值信息数据集；

根据所述小边缘值信息数据集对所述待决策案件的决策标签进行预测，输出目标决策标签。

根据本发明优选实施例，所述对所述原始信息数据集进行特征提取及降维分析，得到标准信息数据集包括：

通过非线性核函数将所述原始信息数据集映射到高维特征空间，得到映射数据；

从所述映射数据中提取预设数量的特征向量；

对所述特征向量做矢量分析，得到所述原始信息数据集的矢量表达；

在所述高维特征空间中，根据所述矢量表达进行主元分析，得到所述标准信息数据集。

根据本发明优选实施例，所述从所述映射数据中提取预设数量的特征向量包括：

计算所述映射数据中每个数据的特征值累积方差贡献率；

提取特征值累积方差贡献率大于或者等于配置值的数据作为所述预设数量的特征向量。

根据本发明优选实施例，所述对所述标准信息数据集中的数据进行相似性度量计算，并基于聚类分析算法检查所述标准信息数据集中的数据，得到所述标准信息数据集中的数据的相似度值包括：

基于高维数据相似性度量函数，采用下述公式得到所述标准信息数据集中的数据的相似度值：

其中，D_istw为数据之间的距离，X_i为所述标准信息数据集中的第i个数据，Y_j为所述标准信息数据集中的第j个数据，k为所述预设数量，t_in为所述第i个数据的第n个对象，t_jn为所述第j个数据的第n个对象。