[发明专利]一种可认证状态的分类预测模型构建方法和系统

权利要求书

1.一种可认证状态的分类预测模型构建方法，其特征在于，包括以下步骤：

获取弱行为数据，并对获取的所述弱行为数据进行异常值处理和缺失值处理；所述弱行为数据为无法明确行为发生人是否为本人，无法判断人生存状态的与养老保险待遇资格认证相关的数据；

选取所述分类预测模型的标签，所述标签包括人员生存认证标签和人员死亡认证标签；

使用距离当前时间最近一段时间的弱行为数据提取行为特征，在所述分类预测模型迭代的过程中加入人员的基础属性作为数据特征；通过分析数据特征与所述标签的关联系数以及数据特征分布统计完成特征提取；

在特征提取完成之后，对分类预测模型进行训练，并将所述模型训练的结果进行对比分析。

2.根据权利要求1所述的一种可认证状态的分类预测模型构建方法，其特征在于，所述异常值处理的方式包括可视化、统计分析和正态分布。

3.根据权利要求1所述的一种可认证状态的分类预测模型构建方法，其特征在于，所述缺失值处理的方式包括：统计每个字段的空值个数，如果空值个数小于阈值，则把所述空值删掉；对获取的弱行为数据进行填补；和利用模型预测缺失属性的值。

4.根据权利要求1所述的一种可认证状态的分类预测模型构建方法，其特征在于，所述人员生存认证标签采用人员刷脸认证信息；所述人员死亡认证标签采用上报的死亡人员名单。

5.根据权利要求1所述的一种可认证状态的分类预测模型构建方法，其特征在于，所述数据特征包括行为数据和属性数据。

6.根据权利要求1所述的一种可认证状态的分类预测模型构建方法，其特征在于，所述通过分析数据特征与所述标签的关联系数以及数据特征分布统计完成特征提取具体包括：

通过Pearson关联系数进行数据特征与标签的关联分析；

构建特征与标签的关联系数的对应表格。

7.根据权利要求1所述的一种可认证状态的分类预测模型构建方法，其特征在于，所述在特征提取完成之后，对分类预测模型进行训练的过程包括：

选取所述分类预测模型的算法，并对所述算法中的参数按步长进行调整，使验证集内找出精度最高的参数；

通过调整特征、样本、算法、算法参数的变化，获取最优解，同时针对出现的结论进行分析和调整，防止训练过程中的欠拟合和过拟合。

8.根据权利要求7所述的一种可认证状态的分类预测模型构建方法，其特征在于，在所述分类预测模型进行训练完成之后，通过验证集数据进行验证，选取当前时间段认证的信息和死亡信息做验证集，得到预测的结果。

9.一种可认证状态的分类预测模型构建系统，其特征在于，包括获取模块、选取模块、特征提取模块和训练分析模块；

所述获取模块用于获取弱行为数据，并对获取的所述弱行为数据进行异常值处理和缺失值处理；所述弱行为数据为无法明确行为发生人是否为本人，无法判断人生存状态的与养老保险待遇资格认证相关的数据；

所述选取模块用于选取所述分类预测模型的标签，所述标签包括人员生存认证标签和人员死亡认证标签；

所述特征分析模块用于使用距离当前时间最近一段时间的弱行为数据提取行为特征，在所述分类预测模型迭代的过程中加入人员的基础属性作为数据特征；通过分析数据特征与所述标签的关联系数以及数据特征分布统计完成特征提取；

所述训练分析模块用于在特征提取完成之后，对分类预测模型进行训练，并将所述模型训练的结果进行对比分析。

10.根据权利要求9所述的一种可认证状态的分类预测模型构建系统，其特征在于，所述获取模块中，异常值处理的方式包括可视化、统计分析和正态分布；缺失值处理的方式包括：统计每个字段的空值个数，如果空值个数小于阈值，则把所述空值删掉；对获取的弱行为数据进行填补；和利用模型预测缺失属性的值。