[发明专利]基于有监督学习的ETC客户识别模型构建方法及装置

权利要求书

1.一种基于有监督学习的ETC客户识别模型构建方法，其特征在于，包括：

采集原始ETC客户训练数据及原始ETC客户测试数据；

根据原始ETC客户训练数据中的目标特征信息，按照预设衍生规则衍生新属性特征信息，将基于原始ETC客户训练数据中目标特征信息衍生得到的新属性特征信息移植至原始ETC客户测试数据中，获得移植后的ETC客户测试数据；

根据原始ETC客户训练数据及移植后的ETC客户测试数据训练基于有监督学习的ETC客户识别模型，获得构建的基于有监督学习的ETC客户识别模型。

2.如权利要求1所述的基于有监督学习的ETC客户识别模型构建方法，其特征在于，在采集原始ETC客户训练数据及原始ETC客户测试数据之后，还包括：

分别对采集的原始ETC客户训练数据及原始ETC客户测试数据进行清洗，获得清洗后的ETC客户训练数据及清洗后的ETC客户测试数据；

根据原始ETC客户训练数据中的目标特征信息，按照预设衍生规则衍生新属性特征信息，将基于原始ETC客户训练数据中目标特征信息衍生得到的新属性特征信息移植至原始ETC客户测试数据中，获得移植后的ETC客户测试数据，包括：

根据清洗后ETC客户训练数据中的目标特征信息，按照预设衍生规则衍生新属性特征信息，将基于清洗后ETC客户训练数据中目标特征信息衍生得到的新属性特征信息移植至清洗后的ETC客户测试数据中，获得移植后的ETC客户测试数据；

根据原始ETC客户训练数据及移植后的ETC客户测试数据训练基于有监督学习的ETC客户识别模型，获得构建的基于有监督学习的ETC客户识别模型，包括：

根据清洗后的ETC客户训练数据及移植后的ETC客户测试数据训练基于有监督学习的ETC客户识别模型，获得构建的基于有监督学习的ETC客户识别模型。

3.如权利要求2所述的基于有监督学习的ETC客户识别模型构建方法，其特征在于，根据清洗后ETC客户训练数据中的目标特征信息，按照预设衍生规则衍生新属性特征信息，将基于清洗后ETC客户训练数据中目标特征信息衍生得到的新属性特征信息移植至清洗后的ETC客户测试数据中，获得移植后的ETC客户测试数据，包括：

根据清洗后ETC客户训练数据中的目标特征信息与目标属性特征交叉衍生新属性特征信息；

将基于清洗后ETC客户训练数据中目标特征信息与目标属性特征交叉衍生得到的新属性特征信息移植至清洗后的ETC客户测试数据中，获得移植后的ETC客户测试数据。

4.如权利要求2所述的基于有监督学习的ETC客户识别模型构建方法，其特征在于，目标特征信息列包括目标特征信息列，新属性特征信息包括新属性特征信息列，根据清洗后ETC客户训练数据中的目标特征信息，按照预设衍生规则衍生新属性特征信息，将基于清洗后ETC客户训练数据中目标特征信息衍生得到的新属性特征信息移植至清洗后的ETC客户测试数据中，获得移植后的ETC客户测试数据，包括：

在清洗后ETC客户测试数据中增加基于目标特征信息列衍生得到的新属性特征信息列对应的空列；

根据清洗后ETC客户训练数据和清洗后ETC客户测试数据是否包含共有特征列确定主键；

将基于目标特征信息列衍生得到的新属性特征信息列中与清洗后ETC客户训练数据和清洗后ETC客户测试数据主键相同的行对应的匹配列对应位置的值填充至空列的匹配列中；

将预设固定值或清洗后ETC客户测试数据中属性特征列的交叉值填充至空列中除匹配列之外的未匹配列中。

5.如权利要求4所述的基于有监督学习的ETC客户识别模型构建方法，其特征在于，根据清洗后ETC客户训练数据和清洗后ETC客户测试数据是否包含共有特征列确定主键，包括：

在清洗后ETC客户训练数据和清洗后ETC客户测试数据包含共有特征列时，将清洗后ETC客户训练数据和清洗后ETC客户测试数据包含的共有特征列作为主键；或

在清洗后ETC客户训练数据和清洗后ETC客户测试数据未包含共有特征列时，将清洗后ETC客户训练数据包含的多个预设属性特征的组合作为主键。