[发明专利]数据分类方法、装置、设备及存储介质

权利要求书

1.一种数据分类方法，其特征在于，包括：

从数据库中获取样本数据，根据样本数据获取初始特征，并确定预测目标参数；

根据所述初始特征获取组合特征，并从所述组合特征中筛选出有效特征；

根据所述初始特征及所述有效特征，得到对所述预测目标参数进行预测的预测模型，并根据所述样本数据对所述预测模型进行训练；

将待分类的目标数据输入训练后的预测模型中，获取所述目标数据对应的预测目标参数，以根据预测目标参数对所述目标数据进行分类处理。

2.根据权利要求1所述的方法，其特征在于，所述根据所述初始特征获取组合特征，并从所述组合特征中筛选出有效特征，包括：

将所述初始特征加入有效特征池；

在每一轮的特征组合过程中，对所述有效特征池中的任意的至少两个特征按照预设组合方式进行组合，产生新的组合特征；并从所述新的组合特征中筛选出有效特征，加入所述有效特征池；

进行下一轮的特征组合过程，直至某一轮的特征组合过程产生的新的组合特征中无法筛选出有效特征时，结束特征组合过程。

3.根据权利要求2所述的方法，其特征在于，所述从所述新的组合特征中筛选出有效特征，加入所述有效特征池，包括：

根据所述有效特征池中当前所有特征构建第一测试模型，并获取所述第一测试模型的模型评价指标；

将所述新的组合特征中任一组合特征加入到所述第一测试模型中，形成第二测试模型，并获取所述第二测试模型的模型评价指标；

获取所述第二测试模型的模型评价指标相对于所述第一测试模型的模型评价指标增量；

若所述模型评价指标增量高于预设阈值，则确定该组合特征为有效特征，并加入所述有效特征池。

4.根据权利要求3所述的方法，其特征在于，所述根据所述有效特征池中当前所有特征构建第一测试模型，包括：

将所述有效特征池中当前所有特征按照预设系数构建第一测试模型；

所述将所述新的组合特征中任一组合特征加入到所述第一测试模型中，形成第二测试模型，包括：

将所述新的组合特征中任一组合特征按照预设系数加入到所述第一测试模型中，形成第二测试模型。

5.根据权利要求4所述的方法，其特征在于，所述获取所述第一测试模型的模型评价指标前，还包括：

根据所述样本数据对所述第一测试模型进行训练，以优化所述第一测试模型中的预设系数；

所述获取所述第二测试模型的模型评价指标前，还包括：

根据所述样本数据对所述第二测试模型进行训练，以优化所述第二测试模型中的预设系数。

6.根据权利要求3-5任一项所述的方法，其特征在于，

同一轮的特征组合过程中所述预设阈值相同；

随着各轮特征组合过程的继续，所述预设阈值逐步递减。

7.根据权利要求2-5任一项所述的方法，其特征在于，

在结束特征组合过程后，根据所述有效特征池中当前所有特征构建所述预测模型，并根据所述样本数据对所述预测模型进行训练。

8.根据权利要求1-5任一项所述的方法，其特征在于，所述将待分类的目标数据输入训练后的预测模型中，获取所述目标数据对应的预测目标参数，包括：

根据所述目标数据，获取所述预测模型中所述初始特征及所述有效特征对应的数值，将所述对应的数值输入至所述预测模型中，获取所述目标数据对应的预测目标参数。