[发明专利]交易风险预测模型的特征解释方法、装置、设备及介质

说明书

本发明提供一种交易风险预测模型的特征解释方法及装置，所述方法包括：获取训练完成的交易风险预测模型以及所述交易风险预测模型对应的全部训练样本的输入特征；对所述输入特征进行预处理以筛选出其中需要解释的候选特征；根据所述候选特征中的目标特征相对于其它所有非目标特征之间的第一分布情况，确定所述目标特征对于所述交易风险预测模型的预测结果的第一影响作用；以及根据任一个所述目标特征相对于任一个其它非目标特征之间的第二分布情况，确定所述第二分布情况对于所述交易风险预测模型的预测结果的第二影响作用。

技术领域

本发明涉及人工智能技术领域，特别涉及一种交易风险预测模型的特征解释方法、装置、设备及介质。

背景技术

网络经济和电子商务的快速发展在其为人们便利的同时，其隐匿、快速的特点很容易成为转移非法资金的重要途径。因此，对网络金融活动反洗钱问题进行识别和防范具有重要意义。现有技术中可以通过训练一个机器学习模型或神经网络模型用于交易风险预测，但是多数模型往往属于“黑盒”模型，只能根据输入变量笼统输出预测结果，但对于预测过程中输入变量如何对模型的预测结果产生作用的内在机制缺乏可解释性的说明，导致无法提供有利于模型优化的理论指导，影响交易风险预测模型的输出准确度。

发明内容

本发明的目的是提供一种能够清楚解释交易风险预测模型的输入特征对于输出预测结果的不同影响作用的技术方案，以解决现有技术中存在的上述问题。

为实现上述目的，本发明提供一种交易风险预测模型的特征解释方法，包括：

获取训练完成的交易风险预测模型以及所述交易风险预测模型对应的全部训练样本的输入特征；

对所述输入特征进行预处理以筛选出其中需要解释的候选特征；

根据所述候选特征中的目标特征相对于其它所有非目标特征之间的第一分布情况，确定所述目标特征对于所述交易风险预测模型的预测结果的第一影响作用；以及

根据任一个所述目标特征相对于任一个其它非目标特征之间的第二分布情况，确定所述第二分布情况对于所述交易风险预测模型的预测结果的第二影响作用。

根据本发明提供的特征解释方法，所述对所述输入特征进行预处理以筛选出其中需要解释的候选特征的步骤包括：

计算不同输入特征之间的相关系数，删除相关系数大于第一系数阈值的输入特征；

对不同输入特征之间进行L1正则化计算，对得到所述输入特征的稀疏化权重；

根据剩余的输入特征的重要程度确定所述候选特征。

根据本发明提供的特征解释方法，所述根据剩余的输入特征的重要程度确定所述候选特征的步骤包括：

利用多种特征评估算法确定所述剩余的输入特征对于所述预测模型的重要程度排序，以获得多个排序列表；

从所述多个排序列表中选择排序靠前的输入特征作为所述候选特征。

根据本发明提供的特征解释方法，所述根据所述候选特征中的目标特征相对于其它所有非目标特征之间的第一分布情况，确定所述目标特征对于所述交易风险预测模型的预测结果的第一影响作用的步骤包括：

获取所述目标特征在第一取值的第一概率下，每个所述非目标特征对应的第二取值的第二概率；

对所述第二概率进行平均计算以得到第二平均概率，并计算所述第一概率相对于所述第二平均概率的期望值；

将所述第一取值、所述第二取值作为所述交易风险预测模型的输入数据，以得到所述交易风险预测模型输出的第一预测结果；

根据所述第一取值和所述第一预测结果确定所述第一影响作用。