[发明专利]数据分析方法、装置、计算机设备和存储介质

权利要求书

1.一种数据分析方法，其特征在于，包括：

使用预设模型对人群数据对应的样本进行训练，以得到模型文件，所述样本包括多个样本元素，每个所述样本元素携带有至少一个特征值域和至少一个标签值；

对所述模型文件进行解析，以得到至少一个树结构，每个所述树结构包括多个叶节点，每个所述叶节点对应一个残差值以及至少一个所述特征值域；

根据所述残差值确定所述叶节点的极值组合，包括：分别对每个所述树结构的叶节点按照残差值从大到小进行排序，以得到第一排序；取每个所述第一排序中前预设个数的叶节点与其他所述第一排序中前所述预设个数的叶节点进行二维交叉，以得到多个叶节点组合；将所述多个叶节点组合中，除所述叶节点的特征值域互斥的叶节点组合以外的叶节点组合确定为多个极值组合；

根据所述极值组合确定所述样本的显著特征，以基于所述显著特征推荐目标人群，其中，所述根据所述极值组合确定所述样本的显著特征，包括：确定每个所述极值组合内叶节点的特征值域的交集；将所述样本内，与所述特征值域的交集匹配的样本元素筛选出来，以得到多个样本元素组合；根据每个样本元素组合内样本元素的标签值计算出每个样本元素组合的准确率和召回率，根据每个样本元素组合的准确率和/或召回率确定所述样本的显著特征。

2.根据权利要求1所述的数据分析方法，其特征在于，所述根据所述样本元素组合内样本元素的标签值确定所述样本的显著特征，包括：

根据所述样本元素组合内样本元素的标签值计算所述样本元素组合命中预设标签值的第一准确率；

根据所述第一准确率确定所述显著特征。

3.根据权利要求2所述的数据分析方法，其特征在于，所述根据所述第一准确率确定所述显著特征，包括：

按照所述第一准确率从高到低的顺序将全部所述样本元素组合进行排序；

在预设准确率之上找到所述第一准确率下降的拐点；

将所述第一准确率为所述拐点的样本元素组合以及在所述拐点之上的样本元素组合的特征阈值做并集聚合，以得到所述显著特征。

4.根据权利要求2所述的数据分析方法，其特征在于，所述根据所述第一准确率确定所述显著特征，包括：

按照所述第一准确率由高到低的顺序将所述样本元素组合进行排序，以得到第二排序；

保留所述第二排序中的首个样本元素组合，并按照所述第二排序的排序顺序，使用所述首个样本元素组合向下进行N次合并，每次合并N个所述样本元素组合，以得到多个合并组合，所述N为正整数；

根据所述合并组合确定所述显著特征。

5.根据权利要求4所述的数据分析方法，其特征在于，所述根据所述合并组合确定所述显著特征，包括：

计算所述合并组合的第二准确率和召回率；

将所述第二准确率为第一预设值，且所述召回率为第二预设值的合并组合的特征阈值确定为所述显著特征。