[发明专利]一种数据预测模型的入模特征确定方法及设备

权利要求书

1.一种数据预测模型的入模特征确定方法，其特征在于，包括下述步骤：

获取待预测的目标对象在预设时间段的历史数据，从所述历史数据中提取多个原始特征变量，对各所述原始特征变量的特征值进行数据分箱操作，并基于分箱结果获取各所述原始特征变量的特征画像，各所述原始特征变量的特征画像包含多个特征画像参数，所述特征画像参数包括逐月PSI值、逐月-整体PSI值、逐月-整体分箱IV波动系数、逐月-整体分箱绝对命中率波动系数和逐月-整体分箱相对命中率波动系数，其中所述逐月-整体分箱IV波动系数表征每个月样本的分箱预测能力相对总体样本的变化, 所述逐月-整体分箱绝对命中率波动系数表征每个月样本的分箱绝对命中率相对总体样本的变化，所述逐月-整体分箱相对命中率波动系数表征每个月样本的分箱相对命中率相对总体样本的变化；

将各所述原始特征变量的特征画像参数依次与对应的预设阈值进行比较，当存在一个特征画像参数超出对应的预设阈值时，判定对应的原始特征变量存在数据偏移；

根据存在数据偏移的原始特征变量的所有特征画像参数与对应的预设阈值的比较结果确定偏移类型，基于所述偏移类型生成与偏移类型对应的多个第一特征集合，同时基于未发生数据偏移的原始特征变量生成第二特征集合；其中所述偏移类型包括特征分布偏移、特征与目标变量的函数关系偏移、联合偏移；

确定所述待预测的目标对象对应的预测场景，根据所述预测场景对应的场景预测配置信息从所述第二特征集合和所述多个第一特征集合中获取至少一个特征集合，将获取的特征集合中的原始特征变量作为所述数据预测模型的入模特征；

其中，所述根据存在数据偏移的原始特征变量的所有特征画像参数与对应的预设阈值的比较结果确定偏移类型的步骤包括：

当存在数据偏移的原始特征变量在所述预设时间段的所述逐月PSI值或所述逐月-整体PSI值的最大值不小于对应的预设阈值，且所述逐月-整体分箱IV波动系数、所述逐月-整体分箱绝对命中率波动系数和所述逐月-整体分箱相对命中率波动系数的最大值均小于对应的预设阈值，则判定存在数据偏移的原始特征变量的偏移类型为所述特征分布偏移；

当存在数据偏移的原始特征变量在预设时间段的所述逐月PSI值和所述逐月-整体PSI值的最大值小于对应的预设阈值，且所述逐月-整体分箱IV波动系数、所述逐月-整体分箱绝对命中率波动系数和所述逐月-整体分箱相对命中率波动系数中的任意一个的最大值不小于对应的预设阈值，则判定存在数据偏移的原始特征变量的偏移类型为所述特征与目标变量的函数关系偏移；

当存在数据偏移的原始特征变量在预设时间段的所述逐月PSI值或所述逐月-整体PSI值的最大值不小于对应的预设阈值，且所述逐月-整体分箱IV波动系数、所述逐月-整体分箱绝对命中率波动系数和所述逐月-整体分箱相对命中率波动系数中的任意一个的最大值不小于对应的预设阈值，则判定存在数据偏移的原始特征变量的偏移类型为联合偏移，即同时存在所述特征分布偏移和所述特征与目标变量的函数关系偏移。

2.根据权利要求1所述的数据预测模型的入模特征确定方法，其特征在于，在所述基于分箱结果获取各所述原始特征变量的特征画像的步骤之前，所述方法包括：

获取多个数据偏移评价参数，基于所述数据偏移评价参数确定所述特征画像参数；其中所述数据偏移评价参数包括数据分箱PSI值、数据分箱IV值、数据分箱绝对命中率和数据分箱相对命中率。

3.根据权利要求1或2所述的数据预测模型的入模特征确定方法，其特征在于，所述对各所述原始特征变量的特征值进行数据分箱操作的步骤包括：

判断所述原始特征变量的特征值的类型，若为离散型则将每个特征值作为一个分箱，若为连续型则采用等宽分箱或等频分箱的分箱方式生成多个分箱。

4.根据权利要求1或2所述的数据预测模型的入模特征确定方法，其特征在于，在所述将获取的特征集合中的原始特征变量作为所述数据预测模型的入模特征的步骤之前，所述方法还包括：

获取所述获取的特征集合中的原始特征变量的逐月IV值， 并根据各所述逐月IV值对所述获取的特征集合中的原始特征变量进行筛选，剔除所述逐月IV值不满足预设条件的原始特征变量，更新所述获取的特征集合。