[发明专利]基于FusedLasso的变量自动分箱方法、系统及电子设备

权利要求书

1.一种基于Fused Lasso的变量自动分箱方法，其特征在于，所述方法包括以下步骤：

S1获取数据的特征变量，并将特征变量进行细粒度的等宽分箱；

S2将S1中特征变量落入各个分箱的情况做独热编码；

S3将标签数据使用{0，1}编码进行编码处理；

S4将独热编码的特征数据及编码后的标签数据的自动分箱问题描述成一个组内FusedLasso的数学问题；

S5对S4中的数学问题进行求解，得到超参数；

S6对S5中得到的超参数，使用网格搜索的方法进行优化处理；

S7判断备选超参数已经对应自动分箱结果的合理性，并从中选出最优分箱。

2.根据权利要求1所述的基于Fused Lasso的变量自动分箱方法，其特征在于，所述S1中，特征变量包括用户作为自然人的特征以及用户行为相关的动态数据；变量细粒度分箱选择细粒度等宽分箱或等频分箱。

3.根据权利要求2所述的基于Fused Lasso的变量自动分箱方法，其特征在于，所述等宽分箱是预先通过用变量数据中呈现的最大值和最小值来求得变量X的取值范围，确定取值范围后，将变量取值范围n等分，n为分箱个数，然后将分出的n个区间段作为变量的n个分箱，在进行n分箱之后，将缺失值或者超出变量分箱范围的值纳入到特殊分箱中；

所述细粒度分箱的分箱数目大于10个细粒度分箱数目。

4.根据权利要求1所述的基于Fused Lasso的变量自动分箱方法，其特征在于，所述S2中，独热编码是对于变量X以及X对应的分箱区间bin₁,…,bin_n,如果X的值落入了bin_i的区间，将X编码成一个n维的向量enc(X)＝(0,...,0,1,0,...,0),其中enc(X)只在第i个位置取值为1，其他位置取值为0。

5.根据权利要求1所述的基于Fused Lasso的变量自动分箱方法，其特征在于，所述S4中，在接收独热编码后的特征数据X_enc以及{0，1}编码后的Y_enc；将自动分箱的问题描述成一个组内Fused Lasso的数学问题，具体为

其中λ表示分箱强度为超参数，∑_j|w_i,j-w_i,j-1|是指对每一个原始变量根据细粒度分箱编码得到的子变量施加一熔断条约，通过∑_j|w_i,j-w_i,j-1|可实现子变量中的系数顺次或者系数相等或者系数有一定条约。

6.根据权利要求1所述的基于Fused Lasso的变量自动分箱方法，其特征在于，所述S5中，通过调用标准的数学优化工具包或者使用特定的凸优化算法对S4中的数学问题进行求解，得到超参数。

7.根据权利要求1所述的基于Fused Lasso的变量自动分箱方法，其特征在于，所述S6中，在优化处理超参数之前，使用训练集和测试集分割的方法在训练集上训练模型，并在测试集上测试训练好模型的效力。

8.根据权利要求1所述的基于Fused Lasso的变量自动分箱方法，其特征在于，所述S6中，网格搜索的方法具体是，给超参数λ规定一个取值范围，然后在取值区间确定散点，并将λ分别赋值成这些散点的值，接着在训练集上训练和分箱，最终在测试集上测试分箱方案以及对应的模型效力。