[发明专利]基于客户金融交易数据结构的自动化特征工程方法及装置

说明书

本发明公开了一种基于客户金融交易数据结构的自动化特征工程方法及装置，涉及金融领域，该方法包括：对获取的银行客户及交易数据拆分，获得多个实体数据；根据多个实体数据的关联关系，利用featuretools对多个实体数据进行不同深度统计值衍生，获得统计衍生特征；利用gplearn对统计衍生特征和多个实体数据进行基于符号回归算法的特征挖掘，获得第二衍生特征；确定特征的第二衍生特征的增益和第二衍生特征之间的相关系数；选取增益高于增益预设阈值且相关系数低于相关系数阈值的第二衍生特征构建个人贷款逾期场景的预测模型进行个人贷款逾期预测。本发明可以大大减少特征工程环节工作量并且取得较好预测效果。

技术领域

本发明涉及金融领域，尤其涉及基于客户金融交易数据结构的自动化特征工程方法及装置。

背景技术

本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

客户金融交易原始数据包括客户基本信息(性别、学历、婚姻状况和职业等)、各产品交易信息、信用卡及借记卡信息等。直接使用上述原始特征进行个人贷款逾期场景的预测模型构建并预测贷款逾期，往往由于原始特征不能很好地体现变量与目标变量的关系而无法取得较好的预测精度。所以必须进行数据挖掘和特征衍生，从而找到更好的特征进行建模。传统特征工程是一个冗长的人工过程，依赖于领域知识、直觉和数据操作，这个过程最终得到的特征将会受到人的主观性和时间的限制，是最困难也是最耗费时间的。

发明内容

本发明实施例提供一种基于客户金融交易数据结构的自动化特征工程方法，用以，该方法包括：

获取银行客户及交易数据；

对所述银行客户及交易数据进行拆分，获得多个实体数据；

根据多个实体数据的关联关系，利用featuretools对多个实体数据进行不同深度统计值衍生，获得统计衍生特征；

利用gplearn对统计衍生特征和多个实体数据进行基于符号回归算法的特征挖掘，获得第二衍生特征；

确定第二衍生特征的增益和第二衍生特征之间的相关系数；

选取增益高于增益预设阈值且相关系数低于相关系数阈值的第二衍生特征构建个人贷款逾期场景的预测模型；

利用所述个人贷款逾期场景的预测模型进行个人贷款逾期预测。

本发明实施例还提供一种基于客户金融交易数据结构的自动化特征工程装置，用以，该装置包括：

数据获取模块，用于获取银行客户及交易数据；

数据拆分模块，用于对所述银行客户及交易数据进行拆分，获得多个实体数据；

统计衍生模块，用于根据多个实体数据的关联关系，利用featuretools对多个实体数据进行不同深度统计值衍生，获得统计衍生特征；

特征挖掘模块，用于利用gplearn对统计衍生特征进行基于符号回归算法的特征挖掘，获得第二衍生特征；

预测模型构建模块，用于确定特征的第二衍生特征的增益和第二衍生特征之间的相关系数，选取增益高于预设增益阈值且相关系数低于预设相关系数阈值的第二衍生特征构建个人贷款逾期场景的预测模型；

预测模块，用于利用所述个人贷款逾期场景的预测模型进行个人贷款逾期预测。

本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于客户金融交易数据结构的自动化特征工程方法。