[发明专利]基于决策树的特征分箱算法在审
| 申请号： | 201910404896.2 | 申请日： | 2019-05-16 |
| 公开（公告）号： | CN110533519A | 公开（公告）日： | 2019-12-03 |
| 发明（设计）人： | 段兆阳;孙博;杨森 | 申请（专利权）人： | 杭州排列科技有限公司 |
| 主分类号： | G06Q40/02 | 分类号： | G06Q40/02;G06K9/62 |
| 代理公司： | 33333 杭州杭欣专利代理事务所(普通合伙) | 代理人： | 尚竹亚<国际申请>=<国际公布>=<进入 |
| 地址： | 311121 浙江省杭州*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于决策树的特征分箱算法，包括建模数据样本、特征变量与目标变量组合、设置限制条件、决策树分箱和产生分箱结果；本发明所提供的设备可以应用机器学习决策树算法产生一定条件下的最佳分箱结果，最终生成的分箱结果达到了数据意义上的最佳体现以及消除了建模人员主观意识的干扰性。将此算法嵌入到传统评分卡模型或其他新兴机器学习的建立当中，可以明显提高金融行业传统的信贷模型质量，提高审批的正确率，拒绝更多的欺诈逾期申请。 | ||
| 搜索关键词： | 分箱 决策树 算法 决策树算法 机器学习 建模数据 金融行业 目标变量 数据意义 特征变量 限制条件 应用机器 传统的 干扰性 评分卡 正确率 建模 嵌入 样本 欺诈 主观 信贷 申请 审批 学习 | ||
【主权项】：
1.基于决策树的特征分箱算法，其特征在于，包括如下步骤：/nS1、对建模数据样本进行特征变量与目标变量组合；/nS2、设置决策树分箱算法中的限制条件，包括决策树最大深度，叶子节点最小样本数及特殊样本数等条件，并且设置决策树最优切分点判断指标采用Gini指标；/nS3、按照限制条件，遍历所有特征变量与目标变量的组合，排除特殊样本，使用决策树算法对所有排除特殊样本后的组合进行运算分箱；/nS4、将特殊样本按照限制条件分为对应数量的组，与步骤(b)形成的分箱结果进行合并，形成最终的分箱结果。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于杭州排列科技有限公司，未经杭州排列科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910404896.2/，转载请声明来源钻瓜专利网。
