[发明专利]耦合决策树的人群画像提取方法、系统、设备及计算机可读介质

权利要求书

1.一种耦合决策树的人群画像提取方法，其特征在于，所述人群画像提取方法包括：

决策树生成步骤，从给定的数据集、变量空间中，根据用户所输入的规则复杂度要求、规则置信度要求，并开放用户自定义参数防止规则过拟合，随机地生成决策树的预选集合；

特征提取步骤，遍历预选集合中的每一颗决策树，提取决策树中达到每个中间节点和叶子节点的路径，路径轨迹即为规则；记录下规则的击中率、目标变量响应率、目标变量均值中的至少一个；同时输出特征空间中各变量重复使用数、高频区间；所述目标变量响应率对应二分类、多分类问题，所述目标变量均值对应回归问题；

人群画像生成步骤，根据用户业务需求完全自动的抽取目标人群，归纳人群画像；在用户输入的样本集合上生成所有规则的报告；包括人群击中率、目标变量响应率、目标变量均值、规则在响应人群上的提升率中的至少一个，并能根据用户自定义的维度分群统计上诉指标；同时画像生成器会给出变量的重要性列表，以及每个变量的高频使用区域；用户能从输出的报告中获得人群共性。

2.一种耦合决策树的人群画像提取方法，其特征在于，所述人群画像提取方法包括：

决策树生成步骤，从给定的数据集、变量空间中，随机地生成决策树的预选集合；

特征提取步骤，提取决策树中的特征数据；

人群画像生成步骤，根据用户业务需求完全自动的抽取目标人群，归纳人群画像。

3.根据权利要求2所述的耦合决策树的人群画像提取方法，其特征在于：

所述决策树生成步骤中，根据用户所输入的规则复杂度要求、规则置信度要求，并开放用户自定义参数防止规则过拟合。

4.根据权利要求2所述的耦合决策树的人群画像提取方法，其特征在于：

所述特征提取步骤中，遍历预选集合中的每一颗决策树，提取决策树中达到每个中间节点和叶子节点的路径，路径轨迹即为规则；同时记录下规则的击中率、目标变量响应率、目标变量均值中的至少一个；同时输出特征空间中各变量重复使用数、高频区间；所述目标变量响应率对应二分类、多分类问题，所述目标变量均值对应回归问题；所述目标变量响应率对应二分类、多分类问题，所述目标变量均值对应回归问题。

5.根据权利要求2所述的耦合决策树的人群画像提取方法，其特征在于：

所述人群画像生成步骤中，在用户输入的样本集合上生成所有规则的报告；包括人群击中率、目标变量响应率、目标变量均值、规则在响应人群上的提升率中的至少一个，并能根据用户自定义的维度分群统计上诉指标；同时画像生成器会给出变量的重要性列表，以及每个变量的高频使用区域；用户能从输出的报告中获得人群共性。

6.一种耦合决策树的人群画像提取系统，其特征在于，所述人群画像提取系统包括：

决策树生成模块，用以从给定的数据集、变量空间中,根据用户所输入的规则复杂度要求、规则置信度要求，并开放用户自定义参数防止规则过拟合，随机地生成决策树的预选集合；

特征提取模块，用以遍历预选集合中的每一颗决策树，提取决策树中达到每个中间节点和叶子节点的路径，路径轨迹即为规则；同时记录下规则的击中率、目标变量响应率、目标变量均值中的至少一个；同时输出特征空间中各变量重复使用数、高频区间；

人群画像生成模块，用以根据用户业务需求完全自动的抽取目标人群，归纳人群画像；在用户输入的样本集合上生成所有规则的报告；包括人群击中率、目标变量响应率、目标变量均值、规则在响应人群上的提升率中的至少一个，并能根据用户自定义的维度分群统计上诉指标；同时画像生成器会给出变量的重要性列表，以及每个变量的高频使用区域；用户能从输出的报告中获得人群共性。

7.根据权利要求6所述的耦合决策树的人群画像提取系统，其特征在于：

所述目标变量响应率对应二分类、多分类问题，所述目标变量均值对应回归问题。