[发明专利]一种处罚案件撤案的影响因素分析方法

权利要求书

1.一种处罚案件撤案的影响因素分析方法，其特征在于，所述方法包括：

采集处罚案件的基本信息；

对所述处罚案件的基本信息进行预处理，获取所述处罚案件的关键信息；

根据所述处罚案件的关键信息，利用预先建立的随机森林模型获取所述处罚案件的撤案结果和影响因素。

2.根据权利要求1所述的方法，其特征在于，所述对所述处罚案件的基本信息进行预处理，获取所述处罚案件的关键信息，包括：

对所述处罚案件的基本信息进行抽取、清洗和整合，获取待处理的处罚案件的基本信息；

去掉所述待处理的处罚案件的基本信息中的干扰项和无用数据，获取所述处罚案件的关键信息。

3.根据权利要1所述的方法，其特征在于，所述根据所述处罚案件的关键信息，利用预先建立的随机森林模型获取所述处罚案件的撤案结果和影响因素之前，还包括：

建立所述预先建立的随机森林模型。

4.根据权利要3所述的方法，其特征在于，所述建立所述预先建立的随机森林模型，包括：

采集历史的处罚案件的基本信息、历史的处罚案件的撤案结果和历史的处罚案件的撤案结果的影响因素；

利用所述历史的处罚案件的基本信息、历史的处罚案件的撤案结果和历史的处罚案件的撤案结果的影响因素建立待用的随机森林模型；

对所述待用的随机森林模型进行优化，获取所述预先建立的随机森林模型。

5.根据权利要4所述的方法，其特征在于，所述利用所述历史的处罚案件的基本信息、历史的处罚案件的撤案结果和历史的处罚案件的撤案结果的影响因素建立待用的随机森林模型，包括：

对所述历史的处罚案件的基本信息进行预处理，获取所述历史的处罚案件的关键信息；

将所述历史的处罚案件的关键信息转换成数组形式；

以数组形式的所述历史的处罚案件的关键信息为随机森林模型的输入层训练样本，以历史的处罚案件的撤案结果和历史的处罚案件的撤案结果的影响因素为随机森林模型的输出层训练样本进行训练，获取所述待用的随机森林模型。

6.根据权利要5所述的方法，其特征在于，所述对所述待用的随机森林模型进行优化，获取所述预先建立的随机森林模型，包括：

步骤1：对所述待用的随机森林模型进行验证，若验证通过，则执行步骤2；若验证不通过，则重新采集历史的处罚案件的基本信息、历史的处罚案件的撤案结果和历史的处罚案件的撤案结果的影响因素建立所述待用的随机森林模型，直至验证通过；

步骤2：对验证通过的所述待用的随机森林模型进行特征选择，获取待用的预先建立的随机森林模型；

步骤3：利用n_estimators超参数调整待用的预先建立的随机森林模型中的树数为树数阈值，获取所述预先建立的随机森林模型。

7.根据权利要6所述的方法，其特征在于，所述步骤1，包括：

从所有数组形式的所述历史的处罚案件的关键信息中随机选择至少一个数组形式的所述历史的处罚案件的关键信息为验证数据，并将所述验证数据输入所述待用的随机森林模型，得到该历史的处罚案件的撤案结果和该历史的处罚案件的撤案结果的影响因素；

根据所述该历史的处罚案件的撤案结果和该历史的处罚案件的撤案结果的影响因素与实际的该历史的处罚案件的撤案结果和该历史的处罚案件的撤案结果的影响因素，获取ROC曲线、准确率和召回率，若所述ROC曲线、准确率和召回率分别满足曲线阈值、准确率阈值和召回率阈值，则所述待用的随机森林模型验证通过；若所述ROC曲线、准确率和召回率分别不满足曲线阈值、准确率阈值和召回率阈值，则重新采集历史的处罚案件的基本信息、历史的处罚案件的撤案结果和历史的处罚案件的撤案结果的影响因素建立所述待用的随机森林模型，直至验证通过。