[发明专利]基于XGBoost模型的数据评估方法、装置、设备及存储介质

权利要求书

1.一种基于XGBoost模型的数据评估方法，其特征在于，包括：

从数据源中，获取样本数据；

对所述样本数据进行预处理，得到基础数据，并对所述基础数据按照预设时间段进行切片，得到时间序列数据；

采用XGBoost模型对所述时间序列数据进行特征提取，得到目标特征，并从所述时间序列数据中，获取所述目标特征对应的数据，得到目标数据；

使用所述目标数据对所述XGBoost模型进行迭代计算，并在所述XGBoost模型中使用Hyperopt库进行模型调参，得到训练好的评估模型；

针对任一用户，获取所述用户在交易系统数据库中产生的在线流数据，并从所述在线流数据中获取所述目标特征对应的数据，得到待评估数据；

通过所述训练好的评估模型，对所述待评估数据进行评估处理，得到评估结果。

2.根据权利要求1所述的基于XGBoost模型的数据评估方法，其特征在于，所述采用XGBoost模型对所述时间序列数据进行特征提取，得到目标特征，并从所述时间序列数据中，获取所述目标特征对应的数据，得到目标数据，包括：

通过所述XGBoost模型对所述时间序列数据进行特征提取，得到M个基础特征，其中，M为正整数；

根据逐步回归算法，将M个所述基础特征添加到所述XGBoost模型中进行迭代计算，得到迭代计算结果，其中，所述迭代计算结果中包含所述基础特征对应的贡献分值；

从所述迭代计算结果中，将所述贡献分值按照从大到小的顺序排列，选取排名前N个贡献分值，并将所述前N个贡献分值所对应的基础特征作为N个所述目标特征，其中，NM,N为正整数；

从所述时间序列数据中，获取所述目标特征对应的数据，得到所述目标数据。

3.根据权利要求2所述的基于XGBoost模型的数据评估方法，其特征在于，所述通过所述XGBoost模型对所述时间序列数据进行特征提取，得到M个基础特征，包括：

基于所述XGBoost模型，对所述时间序列数据进行集成树计算分析，得到K个分析特征，其中，所述分析特征经过计算分析后具有分割得分，K为正整数，KM；

删除分割得分为零的分析特征，将保留下来的分析特征作为所述基础特征，得到M个所述基础特征。

4.根据权利要求2所述的基于XGBoost模型的数据评估方法，其特征在于，所述根据逐步回归算法，将M个所述基础特征添加到所述XGBoost模型中进行迭代计算，得到迭代计算结果，包括：

根据所述逐步回归算法，将M个所述基础特征逐步添加到XGBoost模型中进行迭代计算，其中，每次迭代计算都得到一个特征值；

当检测到所述特征值不再上升时，统计所述基础特征对所述XGBoost模型计算后得到的所述贡献分值，得到所述迭代计算结果。

5.根据权利要求1所述的基于XGBoost模型的数据评估方法，其特征在于，所述使用所述目标数据对所述XGBoost模型进行迭代计算，并在所述XGBoost模型中使用Hyperopt库进行模型调参，得到训练好的评估模型，包括：

将所述目标数据按照预设分割比例进行分割，得到训练样本和验证样本；

通过所述训练样本对所述XGBoost模型进行迭代计算，并使用Hyperopt库进行模型调参，得到训练后的XGBoost模型；

通过所述验证样本对所述训练后的XGBoost模型进行验证，得到验证结果；

当所述验证结果大于预设阈值时，停止对所述XGBoost模型进行迭代计算，得到所述训练好的评估模型。

6.根据权利要求1所述的基于XGBoost模型的数据评估方法，其特征在于，所述针对任一用户，获取所述用户在交易系统数据库中产生的在线流数据，并从所述在线流数据中获取所述目标特征对应的数据，得到待评估数据，包括：

接收监测指令；

针对任一所述用户，根据所述监测指令，获取所述用户在交易系统数据库中产生的所述在线流数据；

将所述在线流数据按照所述预设时间段进行切片，得到目标时间序列数据；

从所述目标时间序列数据中，获取所述目标特征对应的数据，得到所述待评估数据。