[发明专利]特征衍生方法、装置、计算机设备及介质

说明书

本发明涉及数据处理领域，公开了一种特征衍生方法、装置、计算机设备及介质，所述方法包括：通过获取基础数据，并按照预设标签类型对基础数据进行分类，得到初始类别信息，进而对每个初始类别信息进行缺失值处理，得到基础类别信息，再计算每个基础类别信息的基础特征的稳定度，筛选出稳定度超过预设稳定度阈值的基础特征，作为稳定特征，通过预设的特征排序方式，对稳定特征进行重要性排序筛选，得到关键特征序列，再根据关键特征序列进行特征衍生，得到衍生特征。本发明提高了特征衍生的效率。

技术领域

本发明涉及数据处理领域，尤其涉及一种特征衍生方法、装置、计算机设备及介质。

背景技术

随着人工智能技术的发展，依据现有数据中的特征进行机器学习建立相关模型已非常常见。例如，在第三方支付平台或网络购物平台的风险防控领域，常依据现有的包含风险特征(例如，交易事件数据中的交易金额、交易频率等特征)的数据进行机器学习得到风控模型，以及，对于一些电信诈骗的风险识别模型等。

针对各种风控模型，不法分子会不断的改进作案手段以避开风险防控，使得风险形式不断发生变化，这就需要不断地对风控模型进行改进，以对未来可能出现的新风险做出有效的防控。然而，现有数据中的风险特征无法代表未来的情况，未来的包含新风险特征的数据还没有产生，因此，需要对现有数据中的风险特征进行学习，衍生得到能够反映未来风险的新风险特征，以对风控模型进行改进。其中，对现有特征进行学习衍生得到新特征的过程叫特征衍生。

目前，要么依据人工经验进行特征衍生，要么利用穷举的方式进行特征衍生。前者依赖于领域内的专家经验，耗时长、衍生过程慢；后者需要花费大量的计算资源进行计算，耗时也较长、衍生过程也慢。因而，亟需一种高效的特征衍生方法。

发明内容

本发明实施例提供一种特征衍生方法、装置、计算机设备和存储介质，以提高特征衍生的效率。

为了解决上述技术问题，本申请实施例提供一种特征衍生方法，包括：

获取基础数据，并按照预设标签类型对所述基础数据进行分类，得到初始类别信息；

对每个所述初始类别信息进行缺失值处理，得到基础类别信息，其中，每个基础类别信息至少包括一个基础特征；

计算每个基础类别信息的基础特征的稳定度，筛选出稳定度超过预设稳定度阈值的基础特征，作为稳定特征；

通过预设的特征排序方式，对所述稳定特征进行重要性排序筛选，得到关键特征序列；

根据所述关键特征序列进行特征衍生，得到衍生特征。

可选地，所述对每个所述初始类别信息进行缺失值处理，得到基础类别信息包括：

针对每个初始类别信息，获取所述初始类别信息中每个基础特征对应的特征值；

对所述特征值进行数据校验，将未通过校验的特征值作为缺失值；

对每个基础特征对应的缺失值进行统计，并将缺失值与所有特征值的比例超过预设比例的基础特征，作为无效特征，并从所述初始类别信息中移除所述无效特征，得到基础类别信息。

可选地，所述计算每个基础类别信息的基础特征的稳定度，筛选出稳定度超过预设稳定度阈值的基础特征，作为稳定特征包括：

计算每个基础特征的信息值IV，并根据所述信息值IV进行特征筛选，得到关键特征；

通过预设方式，计算所述关键特征的稳定度指标PSI，将所述稳定度指标PSI超过预设稳定度阈值的关键特征，作为稳定特征。

可选地，所述基础特征包括连续型的特征，所述计算每个基础特征的信息值IV包括：