[发明专利]一种显著特征自动推荐系统及方法

说明书

本发明公开了一种显著特征自动推荐系统及方法，属于大数据技术领域。本发明包括任务定义模块：用于根据特征挖掘需要，自定义推荐任务；样本选择模块：用于根据定义的推荐任务，选择关联的数据集，指定关联关系生成样本数据大宽表；特征加工模块：用于对数据集的原始特征变量进行可视化配置并进行特征加工；目标自定义模块：用于根据特征加工之后的数据集定义目标变量；特征推荐模块：用于指定每个目标变量的推荐方法和阈值；报告生成模块：用于根据特征推荐模块生成显著特征推荐报告。本发明通过系统界面化的配置，实现在指定目标变量的情况下，自动推荐显著特征，不仅极大的提升了特征挖掘的效率，也为金融智能风控提供了一种新的自动化方案。

技术领域

本发明属于大数据技术领域，具体涉及一种显著特征自动推荐系统及方法。

背景技术

人工智能是研究开发能够模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学。随着大数据、云计算、互联网、物联网等信息技术的发展，人工智能技术飞速发展，大幅跨越了科学与应用之间的“技术鸿沟”，迎来爆发式增长的新高潮。在互联网金融领域，人工智能技术越来多的应用到金融风控中，其中一个应用场景就是利用人工智能技术挖掘信用或欺诈风险目标的显著特征，以此替代传统专家经验的方式。当前行业的通用做法一般是模型人员或者策略人员通过调优脚本的方式分析选择某个目标变量的显著特征。但是该方法会对模型人员或策略人员产生大量编写脚本的工作，浪费了人力，而且效率较低，不能实现系统自动化的显著特征推荐。

基于此，本发明提出了一种显著特征自动推荐的方法和系统，该系统集成了基于相关系数的特征推荐方法、基于IV的特征推荐方法、基于KS的特征推荐方法、基于AUC的特征推荐方法合计4种方法，通过系统界面化的配置，实现在指定目标变量的情况下，自动推荐显著特征，不仅极大的提升了特征挖掘的效率，也为金融智能风控提供了一种新的自动化方案。同时，该方案可以拓展到其他任何需要挖掘显著特征的场景，如：医学诊断、精准营销、保险欺诈、潜在犯罪预测等。

发明内容

针对现有技术中存在的问题，本发明提供一种显著特征自动推荐系统及方法，其目的在于：解放模型人员或策略人员编写脚本的工作，实现系统自动化的显著特征推荐，提高效率。

本发明采用的技术方案如下：

一种显著特征自动推荐系统，包括：

任务定义模块：用于根据特征挖掘需要，自定义推荐任务；

样本选择模块：用于根据定义的推荐任务，选择关联的数据集，指定关联关系生成样本数据集大宽表；

特征加工模块：用于对样本数据集大宽表中的样本数据集的原始特征变量进行可视化配置并进行特征加工；

目标自定义模块：用于根据特征加工之后的样本数据集定义目标变量；

特征推荐模块：用于指定每个目标变量的推荐方法和阈值，并生成推荐特征集；

报告生成模块：用于根据推荐特征集生成显著特征推荐报告。

本发明通过任务定义模块自定义推荐任务，样本选择模块根据推荐任务选择数据集并生成样本数据集大宽表，特征加工模块对样本数据集的原始特征变量进行特征加工 ，目标自定义模块根据特征加工之后的样本数据集定义目标变量，特征推荐模块指定每个目标变量的推荐方法和阈值，并生成推荐特征集，报告生成模块根据推荐特征集生成显著特征推荐报告，从而实现显著特征的自动生成推荐，解放模型人员或策略人员编写脚本的工作，极大的提升了特征挖掘的效率。

本发明还公开了一种显著特征自动推荐方法，包括以下步骤：

步骤1：根据特征挖掘需要，通过任务定义模块自定义推荐任务；

步骤2：样本选择模块根据定义的推荐任务，选择关联的数据集，指定关联关系并生成样本数据集大宽表，并在存储介质中新建用于保存样本数据集大宽表的存储空间；