[发明专利]数据处理方法及设备

权利要求书

1.一种数据处理方法，其中，包括：

确定有关交易系统的多个观测变量；所述多个观测变量中包括连续型变量和离散型变量；

根据所述多个观测变量中各所述观测变量的变量类型，确定各所述观测变量对应的核函数带宽；

根据基于各所述观测变量对应的核函数带宽确定的核函数，将各所述观测变量的观测值映射到特征空间，得到各所述观测变量的特征；

根据多个所述观测变量的特征，对所述多个观测变量进行独立性检验，得到独立性检验结果；

根据所述独立性检验结果，确定所述多个观测变量之间的因果关系。

2.根据权利要求1所述的方法，其中，所述多个观测变量中包括第一观测变量；

根据所述第一观测变量的变量类型，确定所述第一观测变量对应的核函数带宽，包括：

当所述第一观测变量的变量类型为离散型时，将所述第一观测变量对应的核函数带宽确定为预设带宽；

所述预设带宽小于或等于预设阈值。

3.根据权利要求2所述的方法，其中，根据所述第一观测变量的变量类型，确定所述第一观测变量对应的核函数带宽，包括：

当所述第一观测变量的变量类型为连续型时，根据所述第一观测变量的多个观测值，确定所述多个观测值中任意两个观测值之间的距离，得到多个距离；

根据所述多个距离中的中位数，确定所述第一观测变量对应的核函数带宽。

4.根据权利要求1所述的方法，其中，根据基于各所述观测变量对应的核函数带宽确定的核函数，将各所述观测变量的观测值映射到特征空间，得到各所述观测变量的特征，包括：

根据基于各所述观测变量对应的核函数带宽确定的核函数，将各所述观测变量的观测值映射到随机傅里叶特征空间，得到各所述观测变量的随机傅里叶特征。

5.根据权利要求1至4中任一项所述的方法，其中，根据所述独立性检验结果，确定所述多个观测变量之间的因果关系，包括：

根据所述独立性检验结果，确定相关图；所述相关图包括作为节点的所述多个观测变量以及多个无向边；

当所述连续型变量作为子节点时，采用非线性加性噪声模型拟合所述连续型变量与所述相关图中所述连续型变量的潜在父节点之间的因果关系，以确定从所述连续型变量的潜在父节点指向所述连续型变量的潜在有向边的第一分数；所述第一分数与所述连续性变量的潜在父节点作为所述连续性变量的父节点的可能性相关；

当所述离散型变量作为子节点时，采用后非线性模型拟合所述离散型变量与所述相关图中所述离散型变量的潜在父节点之间的因果关系，以确定从所述离散型变量的潜在父节点指向所述离散型变量的潜在有向边的第二分数；所述第二分数与所述离散型变量的潜在父节点作为所述离散型变量的父节点的可能性相关；

根据所述第一分数和所述第二分数，确定所述相关图中所述多个无向边的方向，以得到所述多个观测变量之间的因果关系。

6.根据权利要求5所述的方法，其中，采用非线性加性噪声模型拟合所述连续型变量与所述相关图中所述连续型变量的潜在父节点之间的因果关系，以确定从所述连续型变量的潜在父节点指向所述连续型变量的潜在有向边的第一分数，包括：

确定多个测试集；所述多个测试集中包括第一测试集；

基于所述第一测试集，采用非线性加性噪声模型拟合所述连续型变量与所述相关图中所述连续型变量的潜在父节点之间的因果关系，得到从所述第一测试集学习到的所述连续型变量对应的潜在拟合函数；

确定从所述第一测试集学习到的所述连续型变量对应的潜在拟合函数的拟合度；

根据从所述多个测试集中各测试集学习到的所述连续型变量对应的潜在拟合函数的拟合度，确定所述连续型变量对应的拟合度；

根据所述连续型变量对应的拟合度，确定从所述连续型变量的潜在父节点指向所述连续型变量的潜在有向边的第一分数。