[发明专利]替代特征选择方法及装置

说明书

技术领域

本发明涉及信息技术领域，尤其涉及一种替代特征选择方法及装置。

背景技术

在对信用模型进行建模过程中，主要还是利用逻辑回归算法做特征训练。而在进入相关模型中，对模型特征的可解释性要求非常高，即每个所选取的特征与目标的正负项必须跟业务经验高度一致。由于逻辑回归算法只是单纯从数据的角度去处理，故其本身并不考虑业务解释性的问题，这就导致筛选出的某些特征很可能满足模型预测的效果，但与正常业务逻辑解释相违的情况。

这种情况下，如果保留这些特征，模型的透明性将遭到破坏，今后会造成有很多人为控制不了的风险，不适合用于对严谨性要求很高的信用模型；但如果直接丢弃这些特征，又会使模型的预测效果大打折扣。因此，需要合理选择其他特征代替不满足要求的特征。

发明内容

为克服相关技术中存在的问题，本发明提供一种替代特征选择方法及装置。

根据本发明实施例的第一方面，提供一种替代特征选择方法，包括：

分别计算待替代特征与特征集合中每一特征之间的相关系数；

将所述特征集合中相关系数大于预设相关系数的特征作为保留特征；

计算所述保留特征中每一特征分别与样本标签之间的相关系数、信息增益；

计算所述待替代特征与所述样本标签之间的相关系数、信息增益；

根据所述保留特征中每一特征分别与样本标签之间的相关系数、信息增益，及所述待替代特征分别与所述样本标签之间的相关系数、信息增益，计算出所述保留特征中每一特征的替代性分数值；

根据所述替代性分数值选择所述保留特征中的特征作为所述待替代特征的替代特征。

根据本发明实施例的第二方面，提供一种替代特征选择装置，包括：

第一计算模块，用于分别计算待替代特征与特征集合中每一特征之间的相关系数；

保留特征确定模块，用于将所述特征集合中相关系数大于预设相关系数的特征作为保留特征；

第二计算模块，用于计算所述保留特征中每一特征分别与样本标签之间的相关系数、信息增益；

第三计算模块，用于计算所述待替代特征与所述样本标签之间的相关系数、信息增益；

第四计算模块，用于根据所述保留特征中每一特征分别与样本标签之间的相关系数、信息增益，及所述待替代特征分别与所述样本标签之间的相关系数、信息增益，计算出所述保留特征中每一特征的替代性分数值；

替代特征确定模块，用于根据所述替代性分数值选择所述保留特征中的特征作为所述待替代特征的替代特征。

本发明的实施例提供的技术方案可以包括以下有益效果：

本发明提供的替代特征选择方法及装置，通过计算待替代特征与特征集合中每一特征之间的相关系数，将特征集合中计算出的相关系数满足条件对应的特征保留下来，作为保留特征。然后分别计算保留特征中每一特征分别与样本标签之间的相关系数、信息增益，并且计算待替代特征与样本标签之间的信息增益、待替代特征分别与保留特征之间的相关系数，根据上述技术得到的相关系数、信息增益，可以计算出保留特征中每一特征的替代性分数值，根据该替代性分数值在保留特征中选择特征作为替代待替代特征的替代特征。这样在待替代特征对业务的可解释性不高时，在影响模型最小情况下，可以及时有效的获取到可以替代待替代特征的替代特征。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是根据一示例性实施例示出的一种替代特征选择方法的流程图；

图2是图1中步骤S160的流程图；

图3是根据一示例性实施例示出的一种替代特征选择装置的结构示意图；

图4是图3中第一计算模块的示意图；

图5是图3中第二计算模块的示意图；

图6是图3中第三计算模块的示意图；

图7是图3中第四计算模块的示意图；

图8是图3中替代特征确定模块的示意图。

具体实施方式