[发明专利]表征数据筛选方法、装置和设备

权利要求书

1.一种表征数据筛选方法，其特征在于，包括：

获取初始变量集；其中，所述初始变量集中包括多个正样本用户对应的初始变量的值和多个负样本用户对应的初始变量的值；

对所述初始变量集中的初始变量进行数据处理，得到衍生变量集；其中，所述衍生变量集为根据初始变量衍生得到的新变量的集合；

对所述衍生变量集中的各个衍生变量进行单变量分析，得到筛选后的衍生变量集；其中，所述单变量分析用于确定单个变量的表征能力；

利用随机森林算法对所述筛选后的衍生变量集中的衍生变量进行筛选，得到至少一个特征变量，其中，所述特征变量为衍生变量中用于表征用户是否为正样本用户的变量。

2.根据权利要求1所述的方法，其特征在于，获取初始变量集，包括：

获取在预设时间段的第一样本数据集；其中，所述第一样本数据集中包括多个正样本用户和多个负样本用户在所述预设时间段内的数据；

对所述样本数据集进行数据清洗，得到第二样本数据集；

提取所述第二样本数据集中各个正样本用户和负样本用户对应的多个初始变量的值；

根据所述各个正样本用户和负样本用户对应的多个初始变量的值生成所述初始变量集。

3.根据权利要求1所述的方法，其特征在于，对所述初始变量集中的初始变量进行数据处理包括：对所述初始变量集中各个用户的初始变量的值进行计数、求和、求均值和日期压缩。

4.根据权利要求1所述的方法，其特征在于，利用随机森林算法对所述筛选后的衍生变量集中的衍生变量进行筛选，得到至少一个特征变量，包括：

利用所述随机森林算法确定所述筛选后的衍生变量集中的各个衍生变量的重要性值；

对所述各个衍生变量的重要性值进行降序排列，得到降序排列结果；

按照降序排列结果，对所述各个衍生变量的重要性值进行降序累加；

将累加得到的重要性值在预设范围内对应的衍生变量作为特征变量。

5.根据权利要求1所述的方法，其特征在于，对所述衍生变量集中的各个衍生变量进行单变量分析，得到筛选后的衍生变量集，包括：

利用群体稳定度指标按照预设时间频率分析确定所述衍生变量集中各个衍生变量的稳定度；

将稳定度小于第一预设阈值的衍生变量从所述衍生变量集中移除，得到第一变量集；

计算所述第一变量集中的各个变量的信息值；

将信息值小于第二预设阈值的变量从所述第一变量集中移除，得到第二变量集；

利用相关系数确定所述第二变量集中各个变量之间的相关性；

将相关性大于等于第三预设阈值的两个变量中信息值较低的变量从所述第二变量集中移除，得到第三变量集；

将所述第三变量集作为所述筛选后的衍生变量集。

6.根据权利要求1所述的方法，其特征在于，在得到至少一个特征变量之后，还包括：

对所述至少一个特征变量进行分箱操作，得到每个特征变量的分箱结构，其中，所述分箱结构用于表征特征变量的评价标准；

根据所述每个特征变量的分箱结构，对每个特征变量进行分值分配，得到目标评分模型，其中，所述目标评分模型用于根据输入的目标用户的数据对所述目标用户进行评分。

7.根据权利要求1所述的方法，其特征在于，所述初始变量集中的初始变量包括以下至少之一：用户基本信息、用户地址、用户评分、用户等级、贷款合约、贷款账户、贷款账户交易流水、贷款放款流水、借记卡合约、借记卡账户、借记卡账户流水、资产管理规模；

所述衍生变量集中的衍生变量包括以下至少之一：用户资历数据、投资理财类产品持有种类、金额、数量、持有时长、历史贷款行为、授信变化趋势、贷款使用情况、贷款逾期数据、历史贷款签约机构所在省市经济发达程度。