[发明专利]金融特征数据的筛选方法、装置、电子设备及存储介质

说明书

本发明涉及计算机技术领域，尤其涉及金融特征数据的筛选方法、装置、电子设备及存储介质，该金融特征数据的筛选方法包括：获取用户数据及其对应的信用标签，用户数据包括多个特征数据；对用户数据中的任意多个特征数据进行组合得到特征数据组；计算特征数据组中每两个特征数据之间的第一相关性，及每个特征数据与信用标签之间的第二相关性；根据第一相关性和第二相关性，计算每个特征数据组的筛选系数；根据筛选系数从特征数据组中筛选目标特征数据组；目标特征数据组中的特征数据为金融特征数据。通过本申请的方式，能够从用户数据的多个特征中筛选出金融特征数据，提高了金融特征数据的筛选效率。

技术领域

本发明涉及计算机技术领域，具体而言，涉及金融特征数据的筛选方法、装置、电子设备及存储介质。

背景技术

在银行信用贷款的信用评分场景下，从众多与信用评分相关的特征中，筛选出用于对信用进行评分的特征，对用户进行信用评分起着至关重要的作用。通过筛选后续输入信用评分模型的特征从而提高信用评分模型的准确率和效率，并使得信用评分模型具有更好的泛化能力。尤其是在特征数量较大时，不同特征的选择将决定最后信用评分模型的整体效果。

目前，一般通过精通信用评分的专家对特征进行人工筛选，但是人工筛选效率较低，且由于受到人工不确定因素影响，不易探索更大的特征组合空间。

发明内容

有鉴于此，本申请的目的在于提供一种金融特征数据的筛选方法、装置、电子设备及存储介质，能够从用户数据的多个特征中筛选出金融特征数据，提高了金融特征数据的筛选效率。

第一方面，本申请实施例提供了一种金融特征数据的筛选方法，该金融特征数据的筛选方法包括：

获取用户数据及其对应的信用标签，用户数据包括多个特征数据；

对用户数据中的任意多个特征数据进行组合得到特征数据组；

计算特征数据组中每两个特征数据之间的第一相关性，及每个特征数据与信用标签之间的第二相关性；

根据第一相关性和第二相关性，计算每个特征数据组的筛选系数；

根据筛选系数从特征数据组中筛选目标特征数据组；目标特征数据组中的特征数据为金融特征数据。

在一种可能的实施方式中，计算特征数据组中每两个特征数据之间的第一相关性，及每个特征数据与信用标签之间的第二相关性，包括：

将所有第一相关性进行累加，得到第一相关性的和值；

将所有第二相关性进行累加，得到第二相关性的和值；

根据第一相关性的和值和第二相关性的和值，计算至少一个预置惩罚系数对应的每个特征数据组的筛选系数。

在一种可能的实施方式中，根据筛选系数从特征数据组中筛选目标特征数据组，包括：

将同一预置惩罚系数对应的所有特征数据组中筛选系数最小的特征数据组确定为初始特征数据组；

若初始特征数据组的数量等于1，则将初始特征数据组确定为目标特征数据组；

若初始特征数据组的数量大于1，则根据信用标签从初始特征数据组中筛选目标特征数据组。

在一种可能的实施方式中，根据信用标签从初始特征数据组中筛选目标特征数据组，包括：

将初始特征数据组中的特征数据输入分类器中，得到初始特征数据组的信用结果；

计算信用结果与信用标签一致的概率值；

将概率值最大的初始特征数据组确定为目标特征数据组。

在一种可能的实施方式中，计算每个特征数据组的筛选系数，包括：