[发明专利]基于XGBoost模型的价值评估方法、装置及设备

说明书

本申请公开了一种基于XGBoost模型的价值评估方法、装置及设备，涉及计算机技术领域，可以解决对客户进行的价值评估准确性低的问题。包括：利用目标主体的第一特征数据训练XGBoost模型，并利用训练完成的XGBoost模型确定第一特征数据对应第一特征项的第一特征重要性值；在第一特征项中提取第一特征重要性值大于预设特征重要性阈值，且特征评估指标大于预设特征评估指标阈值的第二特征项；将第二特征项对应的第二特征数据输入训练完成的XGBoost模型，获取第二特征项的第二特征重要性值；将第二特征重要性值归一化处理为特征权重值，根据特征权重值计算目标主体的价值评估分值。

技术领域

本申请涉及计算机技术领域，尤其涉及到一种基于XGBoost模型的价值评估方法、装置及设备。

背景技术

客户价值评估是从企业角度出发，根据客户基本特征、消费特征、行为特征等测算出客户能够为企业创造出的价值，它是企业进行客户细分，精细化营销的重要依据。

传统的客户价值评估方法主要是RFM价值模型，该模型通过一个客户的最近一次购买时间R(Recency)、购买频率F(Frequency)以及购买金额M(Monetary)三项指标来描述该客户的价值状况，但是RFM价值模型只用了3个维度，包含的信息有限，对商业问题的解释度不够，评估准确率偏低。

发明内容

有鉴于此，本申请提供了一种基于XGBoost模型的价值评估方法、装置及设备，涉及计算机技术领域，可以解决对客户进行的价值评估准确性低的问题。

根据本申请的一个方面，提供了一种基于XGBoost模型的价值评估方法，该方法包括：

利用目标主体的第一特征数据训练XGBoost模型，并利用训练完成的XGBoost模型确定所述第一特征数据对应第一特征项的第一特征重要性值；

在所述第一特征项中提取所述第一特征重要性值大于预设特征重要性阈值，且特征评估指标大于预设特征评估指标阈值的第二特征项，其中，所述预设特征评估指标阈值包括相关系数阈值、信息值阈值中的至少一种；

将所述第二特征项对应的第二特征数据输入所述训练完成的XGBoost模型，获取所述第二特征项的第二特征重要性值；

将所述第二特征重要性值归一化处理为特征权重值，根据所述特征权重值计算所述目标主体的价值评估分值。

根据本申请的另一个方面，提供了一种基于XGBoost模型的价值评估装置，该装置包括：

训练模块，用于利用目标主体的第一特征数据训练XGBoost模型，并利用训练完成的XGBoost模型确定所述第一特征数据对应第一特征项的第一特征重要性值；

第一提取模块，用于在所述第一特征项中提取所述第一特征重要性值大于预设特征重要性阈值，且特征评估指标大于预设特征评估指标阈值的第二特征项，其中，所述预设特征评估指标阈值包括相关系数阈值、信息值阈值中的至少一种；

第一获取模块，用于将所述第二特征项对应的第二特征数据输入所述训练完成的XGBoost模型，获取所述第二特征项的第二特征重要性值；

计算模块，用于将所述第二特征重要性值归一化处理为特征权重值，根据所述特征权重值计算所述目标主体的价值评估分值。

根据本申请的又一个方面，提供了一种非易失性可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述基于XGBoost模型的价值评估方法。

根据本申请的再一个方面，提供了一种计算机设备，包括非易失性可读存储介质、处理器及存储在非易失性可读存储介质上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述基于XGBoost模型的价值评估方法。