[发明专利]一种基于特征工程的数据挖掘方法及系统

权利要求书

1.一种基于特征工程的数据挖掘方法，其特征在于，具体步骤包括如下：根据数据挖掘请求确定特征因子；

获取数据集，基于所述特征因子对所述数据集进行分类，分为相关数据和无关数据，并剔除无关数据；

利用所述相关数据确定关联度，根据所述关联度进行二次剔除，得到第一挖掘数据；

构建多元回归方程，并确定误差允许边界；

判断第一挖掘数据是否在误差允许边界内，若在，则输出第一挖掘数据；若不在，则输出第二挖掘数据，所述第二挖掘数据为剔除误差允许边界外之后的第一挖掘数据。

2.根据权利要求1所述的一种基于特征工程的数据挖掘方法，其特征在于，根据数据挖掘请求确定特征因子具体步骤包括：

构建特征因子确定函数模型；

输入数据至少两次，并且前后两次输入的数据仅有一个特征因子不同；

根据所述特征因子确定函数模型，确定特征因子。

3.根据权利要求1所述的一种基于特征工程的数据挖掘方法，其特征在于，得到第一挖掘数据的具体步骤包括：

将所述相关数据构建特征方程，得到特征矩阵A；

确定关联度，构建关联度矩阵B；

根据G＝A×B，得到第一挖掘数据矩阵G。

4.根据权利要求1所述的一种基于特征工程的数据挖掘方法，其特征在于，所述多元回归方程具体表达式为：

y＝β₀+β₁x₁+β₂x₂+...+β_nx_n；

其中，β₀，β₁，β₂，...，β_n表示回归系数；x₁,x₂,...，x_n为二次剔除后的特征因子。

5.根据权利要求1所述的一种基于特征工程的数据挖掘方法，其特征在于，确定误差允许边界的具体步骤包括：

提取多元回归方程在坐标系中的坐标组；

通过预设的边界直线函数拟合算法确定边界函数；

任选其中一个坐标组，计算所述坐标组到边界函数的距离值；

判断所述距离值与预设的距离阈值的大小，确定是否为误差允许边界内的坐标点。

6.一种基于特征工程的数据挖掘系统，其特征在于，包括：

特征因子确定模块，用于根据数据挖掘请求确定特征因子；

数据集获取模块，用户获取数据集，基于所述特征因子对所述数据集进行分类，分为相关数据和无关数据，并剔除无关数据；

二次剔除模块，利用所述相关数据确定关联度，根据所述关联度进行二次剔除，得到第一挖掘数据；

边界确定模块，构建多元回归方程，并确定误差允许边界；

判断第一挖掘数据是否在误差允许边界内，若在，则输出第一挖掘数据；若不在，则输出第二挖掘数据，所述第二挖掘数据为剔除误差允许边界外之后的第一挖掘数据。

7.根据权利要求6所述的一种基于特征工程的数据挖掘系统，其特征在于，所述特征因子确定模块包括：特征因子函数单元、变量输入单元和特征因子输出单元，所述特征因子函数单元构建特征因子确定函数模型；通过所述变量输出单元输入数据至少两次，并且前后两次输入的数据仅有一个特征因子不同；根据所述特征因子确定函数模型，确定特征因子并利用所述特征因子输出单元输出。

8.根据权利要求6所述的一种基于特征工程的数据挖掘系统，其特征在于，二次剔除模块包括：关联度确定单元、特征确定单元和第一挖掘数据输出单元；所述特征确定单元将所述相关数据构建特征方程，得到特征矩阵A；

所述关联度确定单元确定关联度，构建关联度矩阵B；

所述第一挖掘数据输出单元，根据G＝A×B，得到第一挖掘数据矩阵G。