[发明专利]一种数据处理的方法、装置、终端设备及存储介质

权利要求书

1.一种数据处理的方法，其特征在于，所述方法包括：

获取配置信息，并基于所述配置信息获取初始样本数据；

根据所述配置信息，按照预设的配置模板生成配置文件；

获取所述配置文件中的分箱配置信息，根据所述分箱配置信息对所述初始样本数据进行分箱，并基于最终分箱结果对所述初始样本数据进行处理，得到有效样本数据，其中，所述有效样本数据包括分箱特征的分箱特征值；

对所述有效样本数据进行独热编码，并根据所述独热编码的结果构建数字化样本集；

对所述数字化样本集应用梯度提升决策树算法，生成包含n棵决策树的决策树模型，其中，n为大于1的正整数；

将所述决策树模型中每棵决策树的路径包含的特征作为组合特征，使用所述组合特征进行逻辑回归模型的模型预测。

2.如权利要求1所述的数据处理的方法，其特征在于，所述根据所述配置信息，按照预设的配置模板生成配置文件之后，并且所述获取所述配置文件中的分箱配置信息之前，所述方法还包括：

根据所述配置文件对初始样本数据进行分析，得到所述初始样本数据的数据描述；

将所述数据描述发送至用户，以便所述用户根据所述数据描述确定待调整参数；

接收所述用户发送的对所述待调整参数的调整指令；

根据所述调整指令，更新所述配置文件。

3.如权利要求1所述的数据处理的方法，其特征在于，所述分箱配置信息包括空值填充信息和分箱特征，所述获取所述配置文件中的分箱配置信息，根据所述分箱配置信息对所述初始样本数据进行分箱，并基于最终分箱结果对所述初始样本数据进行处理，得到有效样本数据包括：

从所述配置文件中获取所述空值填充信息，并根据所述空值填充信息对所述初始样本数据进行空值填充；

从所述配置文件中获取所述分箱特征；

根据所述分箱特征，从所述初始样本数据中确定待分箱的名义变量和所述名义变量对应的m个特征值，其中，m为大于1的正整数；

将m个所述特征值存储到预设的特征值集合中，并设置分箱轮数k的初始值为0，以及第0轮分箱的分箱结果为空，其中，k大于等于0，并且小于等于m-1；

针对所述特征值集合中的每个特征值，以该特征值为测试分裂点，在第k轮分箱的分箱结果的基础上将所述名义变量分为k+2箱，计算所述特征值对应的关联指标值，得到m-k个所述关联指标值；

将m-k个所述关联指标值中的最大值对应的特征值作为目标分裂点，在第k轮分箱的分箱结果的基础上将所述名义变量分为k+2箱，作为第k+1轮分箱的分箱结果，并将该特征值从所述特征值集合中移除；

若k+2达到预设的箱数阈值，则停止分箱，并将所述第k+1轮分箱的分箱结果确定为最终分箱结果，否则，对k进行加1操作后返回所述针对所述特征值集合中的每个特征值，以该特征值为测试分裂点，在第k轮分箱的分箱结果的基础上，将所述名义变量分为k+2箱，计算该特征值对应的关联指标值，得到m-k个所述关联指标值的步骤继续执行；

根据所述最终分箱结果，确定所述初始样本数据的所述分箱特征的分箱特征值，得到有效样本数据。

4.如权利要求1所述的数据处理的方法，其特征在于，所述对所述有效样本数据进行独热编码，并根据所述独热编码的结果构建数字化样本集之后，以及所述对所述数字化样本集应用梯度提升决策树算法，生成包含n棵决策树的决策树模型之前，所述方法还包括：

根据所述配置文件中的交叉配置信息，对所述数字化样本集中的数字化样本进行交叉变量编码，得到每个数字化样本的交叉特征的交叉特征值；

使用包含所述交叉特征的所述数字化样本，更新所述数字化样本集。