[发明专利]一种基于Xgboost和DBSCAN的精准营销方法

权利要求书

1.一种基于Xgboost和DBSCAN的精准营销方法，其特征在于：包括以下步骤：步骤1. 对数据源中的银行数据进行人工标注，以此获得类别信息；

步骤2. 将银行数据及其标注信息整合，作为完整的数据集；

步骤3. 针对数据集进行探索性分析；

步骤4. 针对数据集进行数据预处理，划分数据集，得到训练集，测试集；

步骤5. 将数据输入到已经构建好的模型中进行训练，得到精准营销模型；

步骤6. 将待检测的银行数据输入到精准营销模型进行检测，得到客户分类结果；

步骤7.进行效果验证，输出检测结果；

其中，在步骤5中，所述模型训练通过Xgboost算法和DBSCAN算法实现，所述Xgboost算法用于将客户分类为目标客户和非目标客户，所述DBSCAN算法实现用于为目标客户推荐对应的金融产品；

所述模型训练通过Xgboost算法对客户进行分类，并设置GPU加速，具体包括以下步骤：步骤5-1.调用XGBClassifier，并设置tree_method等于“gpu_hist”；

步骤5-2.初始化xgboost模型xgb以及相关参数；

步骤5-3.利用fit函数训练xgb，并优化；

步骤5-4.进入epoch循环，利用predict计算预测值，并用f1_score计算得分值；

步骤5-5.循环结束，找出得分值最高的模型并保存至model1；

所述模型训练通过DBSCAN算法对客户进行产品推荐，具体包括以下步骤：步骤5-6. 调用DBSCAN，并设置tree_method等于“gpu_hist”；

步骤5-7. 初始化DBSCAN模型db以及相关参数；

步骤5-8. 利用fit函数训练db，并优化；

步骤5-9. 进入epoch循环，利用predict计算预测值，并用f1_score计算得分值；

步骤5-10. 循环结束，找出得分值最高的模型并保存至model2；

步骤5-11. 求出异常点的个数，以及每一类的样本个数，保存至txt；

其中，在步骤3中，所述数据集进行探索性分析，具体包括以下步骤：步骤a.初步观察并记录源数据的特征，属性，做初步分析；

步骤b.设定阈值，作为数据预处理的指标；

步骤c.格式转化，将文本格式转化成便于处理的csv格式。

2.根据权利要求1所述的基于Xgboost和DBSCAN的精准营销方法，其特征在于：在步骤4中，所述数据预处理包括数据清理、异常值处理、数据规约，以及划分数据集，具体包括以下步骤：步骤d.数据清理主要是删除无意义数据，增强可用数据的可读性；

步骤e. 异常值处理主要是针对数据中的NULL以及缺失值进行处理；

步骤f. 数据规约包括离散值规约和连续值规约；

步骤g. 生成随机种子seed，并按照8：2比例将经银行数据划分训练集、测试集。

3.根据权利要求1所述的基于Xgboost和DBSCAN的精准营销方法，其特征在于：在步骤5中，所述精准营销训练过程中采用的损失函数loss为逻辑回归，并且采用SGD作为优化器优化。

4.根据权利要求1所述的基于Xgboost和DBSCAN的精准营销方法，其特征在于：在步骤6中，将所有的分类结果和推荐产品整合成数据表，并赋予概率信息。

5.根据权利要求1所述的基于Xgboost和DBSCAN的精准营销方法，其特征在于：在步骤7中，将目标客户label设为1，非目标客户设为0，测试完的精度达到标准后，进行测试，操作为输入一系列标注过但未参与训练的数据，让模型判断，并推荐相关的金融产品。