[发明专利]基于人工智能的目标数据处理方法、装置、设备和介质

权利要求书

1.一种基于人工智能的目标数据处理方法，其特征在于，所述基于人工智能的目标数据处理方法包括：

获取目标数据，并对所述目标数据进行计算得到对应的指标数据；

使用预设的至少两种指标筛选方法对所述指标数据进行筛选，得到当前指标数据；

对所述当前指标数据进行多重共线性检验以判断当前指标数据中是否存在次要指标数据，其中，所述次要指标数据为共线性满足共线性要求的指标数据；

在所述当前指标数据中存在所述次要指标数据时，删除所述次要指标数据，并对删除所述次要指标数据的当前指标数据重复进行筛选，以更新所述当前指标数据；

在所述当前指标数据中不存在满足共线性要求的次要指标数据时，将所述当前指标数据作为剩余的指标数据；

根据所述剩余的指标数据训练数据处理模型，并根据所训练的数据处理模型对新增数据进行处理。

2.根据权利要求1所述的基于人工智能的目标数据处理方法，其特征在于，所述使用预设的至少两种指标筛选方法对所述指标数据进行筛选，得到当前指标数据，包括以下至少两种：

将所述指标数据由少到多依次增加至基于逻辑回归的指标数据筛选模型中，并每次选取贡献度最大的指标数据；

将所述指标数据全部输入至基于逻辑回归的指标数据筛选模型中，并依次删除贡献度最小的指标数据；

依次将每个指标数据与目标进行逻辑回归，按照对所述目标的贡献度对所述指标数据进行排序，按照所述排序依次将所述指标数据引入，并在引入所述指标数据后对已引入的所有指标数据进行检验以删除贡献度低的指标数据，直至所有的指标数据均处理完成。

3.根据权利要求1所述的基于人工智能的目标数据处理方法，其特征在于，所述将所述当前指标数据作为剩余的指标数据之后，还包括：

将所述剩余的指标数据与预先生成的指标数据与业务含义表进行匹配；

当所述剩余的指标数据与预先生成的指标数据与业务含义表不匹配时，输出不匹配的所述剩余的指标数据，并接收针对不匹配的所述剩余的指标数据的处理指令；

当所述处理指令为删除时，则删除所述不匹配的剩余的指标数据；

当所述处理指令为保留时，则建立保留下的所述剩余的指标数据与输入的新的业务含义的对应关系，并存入所述预先生成的指标数据与业务含义表中；

根据匹配的所述剩余的指标数据以及保留下的所述剩余的指标数据更新剩余的指标数据。

4.根据权利要求1所述的基于人工智能的目标数据处理方法，其特征在于，所述根据所述剩余的指标数据训练数据处理模型，包括：

对所述剩余的指标数据按照贡献度进行排序；

分别选取贡献度排序在前的不同数量的指标数据进行模型训练，并测试训练完成的模型的准确性；

选取准确性最大的模型作为最终的模型。

5.根据权利要求1所述的基于人工智能的目标数据处理方法，其特征在于，所述方法还包括：

接收指标数据分布指令；

根据所述指标数据分布指令获取并输出剩余的指标数据以及各个所述剩余的指标数据对应的贡献度。

6.一种基于人工智能的目标数据处理装置，其特征在于，所述基于人工智能的目标数据装置包括：

数据获取模块，用于获取目标数据，并对所述目标数据进行计算得到对应的指标数据；

筛选模块，用于使用预设的至少两种指标筛选方法对所述指标数据进行筛选得到当前指标数据；

检验模块，用于对所述当前筛选后的指标数据进行多重共线性检验以判断当前指标数据中是否存在次要指标数据，其中，所述次要指标数据为共线性满足共线性要求的指标数据；

循环模块，用于在所述当前指标数据中存在所述次要指标数据时，删除所述次要指标数据，并对删除所述次要指标数据的当前指标数据重复进行筛选，以更新所述当前指标数据；

指标数据获取模块，用于在所述当前指标数据中不存在满足共线性要求的次要指标数据时，将所述当前指标数据作为剩余的指标数据；

模型处理模块，用于根据所述剩余的指标数据训练数据处理模型，并根据所训练的数据处理模型对新增数据进行处理。