[发明专利]量化特征指标对标签影响的分析方法、系统、介质和终端

权利要求书

1.一种量化特征指标对标签影响的分析方法，其特征在于，包括：

获取样本数据，并对所述样本数据进行标定，根据标定后的样本数据建立量化影响模型，并对其进行训练；所述量化影响模型包括用于根据量化特征指标对标签影响进行回归预测的第一量化影响模型和用于数据匹配分析的第二量化影响模型；

将待分析的实时数据输入至第一量化影响模型，所述第一量化影响模型包括多种不同基于机器学习的算法模型；对各算法模型进行评分，根据评分结果，获取最佳模型，通过最佳模型获取第一影响量化值；

或者，

将待分析的实时数据输入至所述第二量化影响模型，获取第二影响量化值；所述第二量化影响模型通过离散化使数据区间化，根据每个特征参数区间交集所包含的所有数据的标签值，获取交集区间的标签值，根据所述交集区间的标签值和预先获取的标准标签值，获取第二影响量化值；

根据样本数据量和业务需求选择第一量化影响模型或第二量化影响模型，获取影响量化值，完成量化特征指标对标签影响的分析。

2.根据权利要求1所述的量化特征指标对标签影响的分析方法，其特征在于，所述对所述第一量化影响模型中的各算法模型进行评分，包括设置多种评分方式，根据样本总量、符合标准数量、样本的真实值、样本的预测值、各评分方式的指标得分和指标权重，获取多个评分方式的综合评分，作为所述评分结果；所述多种不同基于机器学习的算法模型包括线性回归模型、SVR、神经网络回归模型、随机森林回归模型、Xgboost模型。

3.根据权利要求2所述的量化特征指标对标签影响的分析方法，其特征在于，所述通过最佳模型获取第一影响量化值包括

对所述待分析的实时数据进行处理；所述待分析的实时数据包括一特征参数和其他若干待分析特征参数，所述其他若干待分析特征参数由标准值替代；

获取第一模型输出结果，所述第一模型输出结果包括实时数据中的所述特征参数对应的标签值，根据所述标签值和预先获取的标准标签值，获取第一影响量化值。

4.根据权利要求1所述的量化特征指标对标签影响的分析方法，其特征在于，所述第二量化影响模型通过离散化使数据区间化包括：

根据等距等分划分区间、根据分位数等频划分区间，或者自定义划分区间；

划分区间后，对所述区间依次进行校验处理，所述校验处理包括：控制特定特征一个区间不变，改变其他特征区间，通过每次更改一个区间，直至所有特征的所有区间都被检验；如果一区间的方差大于预先设定的校验标准阈值，则将所述区间平分为两个区间。

5.根据权利要求4所述的量化特征指标对标签影响的分析方法，其特征在于，经过所述校验处理之后，获取历史数据离散化形式，并进行数据匹配，所述数据匹配包括：

获取待分析的实时数据，将所述待分析的实时数据的所有特征值与所述历史数据离散化形式进行比较，获取满足与所述分析的实时数据中所有特征值在同一区间内的数据，进而获取其所有的标签值，计算其平均值，并将所述平均值作为输出结果，即所述交集区间的标签值。

6.根据权利要求5所述的量化特征指标对标签影响的分析方法，其特征在于，当待分析的实时数据不在所述区间内时，切换至第一量化影响模型进行量化特征指标对标签影响的分析。

7.根据权利要求1-6任一所述的量化特征指标对标签影响的分析方法，其特征在于，所述样本数据包括历史数据，在对所述样本数据进行标定之前还包括第一预处理，所述第一预处理包括：去除特征值超过设定范围的数据，以及去除不在预设正态分布范围内的数据。

8.根据权利要求1-6任一所述的量化特征指标对标签影响的分析方法，其特征在于，将待分析的实时数据输入至第一量化影响模型或将待分析的实时数据输入至所述第二量化影响模型之前，还包括第二预处理，所述第二预处理包括：控制所述待分析的实时数据处于预设的规定范围内，若大于上限值则下调至上限值，若小于下限值则上拉至下限值。