[发明专利]一种基于广告推送的数据特征优化方法及装置

说明书

本申请公开了一种基于广告推送的数据特征优化方法及装置，通过对分箱结果进行数据特征优化处理的方式，能对线性强度不高的连续型特征做交叉生成新的特征，使得交叉后的特征更加地精确，从而对连续型特征进行降维的同时，能够在尽可能保留有用信息的前提下确保特征交集的最小化，避免在进行特征合并的过程中出现信息丢失，在应用到广告推送领域时，能够降低相关数据的复杂程度，并确保相关数据的特征识别度，当采用线性回归模型对上述数据特征进行处理时，能够确保线性回归模型的模型性能和效果，从而提高广告推送的准确性，减少无效广告推送造成的资源浪费。

技术领域

本申请公开涉及业务数据处理技术领域，特别涉及一种基于广告推送的数据特征优化方法及装置。

背景技术

在广告推送业务中，通常会采用广告推送模型进行相关推送处理。一般而言，所使用的广告推送模型为线性回归模型(linear regression，LR)。但是线性回归模型由于其自身的缺陷，在应用时的效果欠佳。为改善线性回归模型的应用效果以提高广告推送的准确性，减少无效广告推送造成的资源浪费，需要对广告业务数据进行特征优化。然而相关的特征优化技术仍然存在一些缺陷。

发明内容

为改善上述背景技术存在的技术问题，本公开提供了一种基于广告推送的数据特征优化方法及装置。

本申请提供了一种基于广告推送的数据特征优化方法，应用于计算机设备，所述方法包括：

获取待处理数据集；其中，所述待处理数据集为广告业务数据；

对所述待处理数据集中的连续数值型特征进行特征值提取，得到多个特征值，对所述多个特征值进行分箱，得到每个所述连续数值型特征的最终分箱结果；

对所述最终分箱结果进行两两交叉，得到多个目标分箱特征；

对所述多个目标分箱特征进行独热编码，得到目标编码特征；其中，所述目标编码特征用于进行广告推送处理。

优选地，所述对所述多个特征值进行分箱，得到每个所述连续数值型特征的最终分箱结果，包括：

对所述多个特征值进行等频分箱，得到第一分箱结果；

对所述多个特征值进行卡方分箱，得到第二分箱结果；

对所述多个特征值进行best-ks分箱，得到第三分箱结果；

对所述第一分箱结果、所述第二分箱结果以及所述第三分箱结果进行合并，得到每个所述连续数值型特征的最终分箱结果。

优选地，对所述第一分箱结果、所述第二分箱结果以及所述第三分箱结果进行合并，得到每个所述连续数值型特征的最终分箱结果，包括：

按照预设顺序对所述第一分箱结果、所述第二分箱结果以及所述第三分箱结果进行合并，得到合并结果；

将所述合并结果中的最小交集作为每个所述连续数值型特征的最终分箱结果。

优选地，对所述最终分箱结果进行两两交叉，得到多个目标分箱特征，包括：

根据所述最终分箱结果中的多个分箱特征，得到由多个目标分箱特征组成的分箱特征序列，其中，每个目标分箱特征包括多个取值；

将所述分箱特征序列中的各目标分箱特征进行两两组合，得到至少一个特征组合；

针对每个特征组合，将该特征组合中的其中一个目标分箱特征的多个取值分别与另一个目标分箱特征中的多个取值进行两两组合，得到与所述特征组合对应的多个目标组合数据。

优选地，对所述多个目标分箱特征进行独热编码，得到目标编码特征之后，还包括：

将所述目标编码特征输入到模型中。