[发明专利]针对数据缺失的数据特征挖掘方法及其相关设备

权利要求书

1.一种针对数据缺失的数据特征挖掘方法，其特征在于，包括下述步骤：

根据特征挖掘指令获取数据表，将所述数据表中的特征字段名称进行数值化处理，生成数值化查询表；

从原始数据中获取预设数量的样本生成第一样本集，基于存在数据缺失的特征对所述第一样本集中的样本进行剔除，生成第二样本集；

根据所述第一样本集和所述第二样本集分别进行树模型训练，在分别得到第一树模型和第二树模型后进行树模型解析，根据所述第一树模型和所述第二树模型的解析结果分别生成第一KB模型和第二KB模型；

基于所述数值化查询表更新所述第一KB模型和所述第二KB模型，通过更新后的所述第一KB模型和所述第二KB模型分别对各样本的数据进行处理；

将所述第一样本集和所述第二样本集中处理后的样本数据分别输入预设的DNN模型中，分别输出第一预测结果和第二预测结果并进行比较，根据比较结果判定是否将所述存在数据缺失的特征作为目标特征。

2.根据权利要求1所述的针对数据缺失的数据特征挖掘方法，其特征在于，基于所述数值化查询表更新所述第一KB模型和所述第二KB模型，通过更新后的所述第一KB模型和所述第二KB模型分别对各样本的数据进行处理包括：

结合所述数值化查询表，通过所述第一KB模型和所述第二KB模型分别对所述第一样本集和所述第二样本集中的样本数据进行编码处理，得到第一样本编码数据；

根据所述第一样本编码数据对所述第一树模型和所述第二树模型的解析结果进行筛选，并基于筛选结果生成更新的第一KB模型和更新的第二KB模型；

结合所述数值化查询表，通过所述更新的第一更新KB模型和所述更新的第二KB模型分别对所述第一样本集和所述第二样本集中的样本数据进行编码处理，得到第二样本编码数据；

其中所述第二样本编码数据用作所述DNN模型的输入。

3.根据权利要求2所述的针对数据缺失的数据特征挖掘方法，其特征在于，所述通过所述第一KB模型和所述第二KB模型分别对所述第一样本集和所述第二样本集中的样本数据进行编码处理包括：

对所述第一样本集和所述第二样本集进行拆分，生成多个第一样本子集和多个第二样本子集；

通过所述第一KB模型和所述第二KB模型分别对所述第一样本子集和所述第二样本子集中的样本数据进行编码处理。

4.根据权利要求1至3任一项所述的针对数据缺失的数据特征挖掘方法，其特征在于，所述基于存在数据缺失的特征对所述第一样本集中的样本进行剔除，生成第二样本集包括：

确定存在数据缺失的多个特征，依次基于各个存在数据缺失的特征对所述第一样本集中的样本进行剔除，得到多个所述第二样本集；或者

确定存在数据缺失的多个特征，将所述多个特征进行组合，得到多组特征，依次基于各组特征对所述第一样本集中的样本进行剔除，得到多个所述第二样本集。

5.根据权利要求1至3任一项所述的针对数据缺失的数据特征挖掘方法，其特征在于，在所述根据所述第一样本集和所述第二样本集分别进行树模型训练之前，所述方法还包括：

判断所述第二样本集的正负样本比例与所述第一样本集的正负样本比例是否一致，若不一致则调整所述第二样本集中的正样本或负样本的数量，使所述第二样本集与所述第一样本集的正负样本比例保持一致。

6.根据权利要求1至3任一项所述的针对数据缺失的数据特征挖掘方法，其特征在于，所述方法还包括获取预设的多个时间区间；

所述根据所述第一样本集和所述第二样本集分别进行树模型训练包括：

根据所述第一样本集和所述第二样本集在各所述时间区间的样本数据分别进行树模型训练，得到与各所述时间区间对应的多个上述第一树模型和多个所述第二树模型，以得到第一树模型集和第二树模型集。

7.根据权利要求1至3任一项所述的针对数据缺失的数据特征挖掘方法，其特征在于，当根据比较结果判定将所述存在数据缺失的特征作为目标特征时，输出获取所述目标特征的缺失值的提示信息。