本公開(kāi)涉及線性模型特征處理技術(shù)領(lǐng)域，尤其涉及特征工程策略確定方法及裝置。

背景技術(shù)：

目前在建立芝麻信用分?jǐn)?shù)據(jù)模型的過(guò)程中，需要利用大規(guī)模機(jī)器學(xué)習(xí)算法對(duì)海量數(shù)據(jù)進(jìn)行分類或回歸計(jì)算，在將海量數(shù)據(jù)輸入到機(jī)器學(xué)習(xí)算法之前，需要首先對(duì)海量數(shù)據(jù)利用特征工程策略進(jìn)行處理，再將處理后的海量數(shù)據(jù)輸入到機(jī)器學(xué)習(xí)算法中。

由于不同特征的特征值有不同的特點(diǎn)，不同的特征工程策略也有不同的特點(diǎn)，這樣如果對(duì)所有特征都采用單一的特征工程策略進(jìn)行處理，將特征工程策略應(yīng)用在不適合的特征上，可能導(dǎo)致模型的訓(xùn)練效果不理想。

而且，由于能夠運(yùn)用到可能與建模目標(biāo)有因果關(guān)系的特征種類繁多，具初步統(tǒng)計(jì)，能夠用來(lái)進(jìn)入芝麻信用分?jǐn)?shù)據(jù)模型訓(xùn)練的特征數(shù)量有上千個(gè)甚至上萬(wàn)個(gè)，這樣如果利用目前常用的人工觀察的方法選擇特征工程策略將導(dǎo)致效率非常低。

技術(shù)實(shí)現(xiàn)要素：

為克服相關(guān)技術(shù)中存在的問(wèn)題，本公開(kāi)提供一種特征工程策略確定方法及裝置。

根據(jù)本公開(kāi)實(shí)施例的第一方面，提供一種特征工程策略確定方法，包括：

獲取用于訓(xùn)練預(yù)設(shè)模型的預(yù)設(shè)維度特征的多個(gè)特征值；

根據(jù)所述多個(gè)特征值的排序確定多個(gè)分位區(qū)間；

獲取每個(gè)分位區(qū)間中作為正樣本的特征值的數(shù)量與所在區(qū)間內(nèi)所有特征值的數(shù)量的正樣本比例；

計(jì)算任意兩個(gè)相鄰的所述分位區(qū)間的所述正樣本比例之間的正樣本變化率；

根據(jù)所有分位區(qū)間對(duì)應(yīng)的所述正樣本比例之間的正樣本變化率，確定用于處理所述預(yù)設(shè)維度特征的目標(biāo)特征工程策略。

可選地，所述根據(jù)多個(gè)特征值的排序確定多個(gè)分位區(qū)間，包括：

將多個(gè)特征值進(jìn)行排序；

根據(jù)預(yù)設(shè)區(qū)間數(shù)量將至少一個(gè)的特征值確定為分位點(diǎn)，以及，每個(gè)分位點(diǎn)的位置信息；

按照每個(gè)分位點(diǎn)的位置信息，利用分位點(diǎn)將排序后的多個(gè)特征值分隔成預(yù)設(shè)區(qū)間數(shù)量個(gè)分位區(qū)間，每個(gè)所述分位區(qū)間包含相同數(shù)量個(gè)所述特征值。

可選地，所述確定用于處理所述預(yù)設(shè)維度特征的目標(biāo)特征工程策略，包括：

判斷所有正樣本變化率是否滿足預(yù)設(shè)連續(xù)化處理?xiàng)l件；

當(dāng)所有正樣本變化率滿足預(yù)設(shè)連續(xù)化處理?xiàng)l件時(shí)，計(jì)算多個(gè)特征值的離差系數(shù)；

判斷所述離差系數(shù)是否大于第一預(yù)設(shè)閾值；

當(dāng)所述離差系數(shù)大于第一預(yù)設(shè)閾值時(shí)，確定預(yù)設(shè)特征工程策略為等頻率連續(xù)歸一方式；

當(dāng)所述離差系數(shù)小于或等于第一預(yù)設(shè)閾值時(shí)，確定預(yù)設(shè)特征工程策略為等域?qū)掃B續(xù)歸一方式。

可選地，所述判斷所有正樣本變化率是否滿足預(yù)設(shè)連續(xù)化處理?xiàng)l件，包括：

按照預(yù)設(shè)先后順序依次判斷所有正樣本變化率是否均大于預(yù)設(shè)變化率閾值；

當(dāng)所有正樣本變化率均大于預(yù)設(shè)變化率閾值時(shí)，確定滿足預(yù)設(shè)連續(xù)化處理?xiàng)l件；

當(dāng)存在小于或等于預(yù)設(shè)變化率閾值的正樣本變化率時(shí)，將小于預(yù)設(shè)變化率閾值的正樣本變化率相關(guān)聯(lián)的兩個(gè)分位區(qū)間合并；判斷合并后的分位區(qū)間的正樣本變化率是否大于預(yù)設(shè)變化率閾值，當(dāng)合并后分位區(qū)間的變化率大于預(yù)設(shè)變化率閾值時(shí)，確定所有正樣本變化率滿足預(yù)設(shè)連續(xù)化處理?xiàng)l件。

可選地，所述將小于預(yù)設(shè)變化率閾值的正樣本變化率相關(guān)聯(lián)的兩個(gè)分位區(qū)間合并，包括：

當(dāng)小于或等于預(yù)設(shè)變化率閾值的正樣本變化率是預(yù)設(shè)先后順序中第一個(gè)正樣本變化率時(shí)，將所述第一個(gè)正樣本變化率對(duì)應(yīng)的兩個(gè)分位區(qū)間合并；

當(dāng)小于或等于預(yù)設(shè)變化率閾值的正樣本變化率不是預(yù)設(shè)先后順序中第一個(gè)正樣本變化率時(shí)，將當(dāng)前正樣本變化率在預(yù)設(shè)先后順序的前一個(gè)正樣本變化率對(duì)應(yīng)的兩個(gè)分位區(qū)間合并。

可選地，所述確定用于處理所述預(yù)設(shè)維度特征的目標(biāo)特征工程策略，還包括：

當(dāng)存在不滿足預(yù)設(shè)連續(xù)化處理?xiàng)l件的正樣本變化率時(shí)，判斷所述正樣本變化率是否滿足預(yù)設(shè)離散化處理?xiàng)l件；

當(dāng)所述正樣本變化率滿足預(yù)設(shè)離散化處理?xiàng)l件時(shí)，獲取用于分隔所述正樣本變化率對(duì)應(yīng)的兩個(gè)分位區(qū)間的分位點(diǎn)，并將所述分位點(diǎn)存入預(yù)設(shè)分位點(diǎn)集合中；

判斷所述預(yù)設(shè)分位點(diǎn)集合中包含的分位點(diǎn)的數(shù)量是否大于第二預(yù)設(shè)閾值；

當(dāng)所述預(yù)設(shè)分位點(diǎn)集合中包含的分位點(diǎn)的數(shù)量大于第二預(yù)設(shè)閾值時(shí)，確定預(yù)設(shè)特征工程策略為多特征離散方式；

當(dāng)所述分位點(diǎn)集合中包含的分位點(diǎn)的數(shù)量小于或等于第二預(yù)設(shè)閾值時(shí)，確定預(yù)設(shè)特征工程策略為單一特征離散方式。

可選地，所述確定用于處理所述預(yù)設(shè)維度特征的目標(biāo)特征工程策略，還包括：

當(dāng)所述正樣本變化率不滿足預(yù)設(shè)離散化處理?xiàng)l件時(shí)，確定預(yù)設(shè)特征工程策略為woe方式。

可選地，所述獲取每個(gè)分位區(qū)間中作為正樣本的特征值的數(shù)量與所在區(qū)間內(nèi)所有特征值的數(shù)量的正樣本比例，包括：

獲取預(yù)設(shè)模型的目標(biāo)維度特征；

將每個(gè)分位區(qū)間中滿足目標(biāo)維度特征的至少一個(gè)特征值確定為正樣本；

統(tǒng)計(jì)每個(gè)分位區(qū)間中正樣本的數(shù)量，以及，分位區(qū)間中特征值的數(shù)量；

將每個(gè)分位區(qū)間中正樣本的數(shù)量與分位區(qū)間中特征值的數(shù)量的比值確定為正樣本比例。

根據(jù)本公開(kāi)實(shí)施例的第二方面，提供一種特征工程策略確定裝置，包括：

第一獲取模塊，用于獲取用于訓(xùn)練預(yù)設(shè)模型的預(yù)設(shè)維度特征的多個(gè)特征值；

第一確定模塊，用于根據(jù)所述多個(gè)特征值的排序確定多個(gè)分位區(qū)間；

第二獲取模塊，用于獲取每個(gè)分位區(qū)間中作為正樣本的特征值的數(shù)量與所在區(qū)間內(nèi)所有特征值的數(shù)量的正樣本比例；

計(jì)算模塊，用于計(jì)算任意兩個(gè)相鄰的所述分位區(qū)間的所述正樣本比例之間的正樣本變化率；

第二確定模塊，用于根據(jù)所有分位區(qū)間對(duì)應(yīng)的所述正樣本比例之間的正樣本變化率，確定用于處理所述預(yù)設(shè)維度特征的目標(biāo)特征工程策略。

可選地，所述第一確定模塊包括：

排序子模塊，用于將多個(gè)特征值進(jìn)行排序；

第一確定子模塊，用于根據(jù)預(yù)設(shè)區(qū)間數(shù)量將至少一個(gè)的特征值確定為分位點(diǎn)，以及，每個(gè)分位點(diǎn)的位置信息；

分隔子模塊，用于按照每個(gè)分位點(diǎn)的位置信息，利用分位點(diǎn)將排序后的多個(gè)特征值分隔成預(yù)設(shè)區(qū)間數(shù)量個(gè)分位區(qū)間，每個(gè)所述分位區(qū)間包含相同數(shù)量個(gè)所述特征值。

可選地，所述第二確定模塊包括：

第一判斷子模塊，用于判斷所有正樣本變化率是否滿足預(yù)設(shè)連續(xù)化處理?xiàng)l件；

計(jì)算子模塊，用于當(dāng)所有正樣本變化率滿足預(yù)設(shè)連續(xù)化處理?xiàng)l件時(shí)，計(jì)算多個(gè)特征值的離差系數(shù)；

第二判斷子模塊，用于判斷所述離差系數(shù)是否大于第一預(yù)設(shè)閾值；

第二確定子模塊，用于當(dāng)所述離差系數(shù)大于第一預(yù)設(shè)閾值時(shí)，確定預(yù)設(shè)特征工程策略為等頻率連續(xù)歸一方式；

第三確定子模塊，用于當(dāng)所述離差系數(shù)小于或等于第一預(yù)設(shè)閾值時(shí)，確定預(yù)設(shè)特征工程策略為等域?qū)掃B續(xù)歸一方式。

可選地，所述第一判斷子模塊包括：

判斷單元，用于按照預(yù)設(shè)先后順序依次判斷所有正樣本變化率是否均大于預(yù)設(shè)變化率閾值；

確定單元，用于當(dāng)所有正樣本變化率均大于預(yù)設(shè)變化率閾值時(shí)，確定滿足預(yù)設(shè)連續(xù)化處理?xiàng)l件；

合并確定單元，用于當(dāng)存在小于或等于預(yù)設(shè)變化率閾值的正樣本變化率時(shí)，將小于預(yù)設(shè)變化率閾值的正樣本變化率相關(guān)聯(lián)的兩個(gè)分位區(qū)間合并；判斷合并后的分位區(qū)間的正樣本變化率是否大于預(yù)設(shè)變化率閾值，當(dāng)合并后分位區(qū)間的變化率大于預(yù)設(shè)變化率閾值時(shí)，確定所有正樣本變化率滿足預(yù)設(shè)連續(xù)化處理?xiàng)l件。

可選地，所述合并確定單元包括：

第一合并子單元，用于當(dāng)小于或等于預(yù)設(shè)變化率閾值的正樣本變化率是預(yù)設(shè)先后順序中第一個(gè)正樣本變化率時(shí)，將所述第一個(gè)正樣本變化率對(duì)應(yīng)的兩個(gè)分位區(qū)間合并；

第二合并子單元，用于當(dāng)小于或等于預(yù)設(shè)變化率閾值的正樣本變化率不是預(yù)設(shè)先后順序中第一個(gè)正樣本變化率時(shí)，將當(dāng)前正樣本變化率在預(yù)設(shè)先后順序的前一個(gè)正樣本變化率對(duì)應(yīng)的兩個(gè)分位區(qū)間合并。

可選地，第二確定模塊還包括：

第三判斷子模塊，用于當(dāng)存在不滿足預(yù)設(shè)連續(xù)化處理?xiàng)l件的正樣本變化率時(shí)，判斷所述正樣本變化率是否滿足預(yù)設(shè)離散化處理?xiàng)l件；

第一獲取子模塊，用于當(dāng)所述正樣本變化率滿足預(yù)設(shè)離散化處理?xiàng)l件時(shí)，獲取用于分隔所述正樣本變化率對(duì)應(yīng)的兩個(gè)分位區(qū)間的分位點(diǎn)，并將所述分位點(diǎn)存入預(yù)設(shè)分位點(diǎn)集合中；

第四判斷子模塊，用于判斷所述預(yù)設(shè)分位點(diǎn)集合中包含的分位點(diǎn)的數(shù)量是否大于第二預(yù)設(shè)閾值；

第四確定子模塊，用于當(dāng)所述預(yù)設(shè)分位點(diǎn)集合中包含的分位點(diǎn)的數(shù)量大于第二預(yù)設(shè)閾值時(shí)，確定預(yù)設(shè)特征工程策略為多特征離散方式；

第五確定子模塊，用于當(dāng)所述分位點(diǎn)集合中包含的分位點(diǎn)的數(shù)量小于或等于第二預(yù)設(shè)閾值時(shí)，確定預(yù)設(shè)特征工程策略為單一特征離散方式。

可選地，所述第二確定模塊還包括：

第六確定子模塊，用于當(dāng)所述正樣本變化率不滿足預(yù)設(shè)離散化處理?xiàng)l件時(shí)，確定預(yù)設(shè)特征工程策略為woe方式。

可選地，所述第二獲取模塊包括：

第二獲取子模塊，用于獲取預(yù)設(shè)模型的目標(biāo)維度特征；

第七確定子模塊，用于將每個(gè)分位區(qū)間中滿足目標(biāo)維度特征的至少一個(gè)特征值確定為正樣本；

統(tǒng)計(jì)子模塊，用于統(tǒng)計(jì)每個(gè)分位區(qū)間中正樣本的數(shù)量，以及，分位區(qū)間中特征值的數(shù)量；

第八確定子模塊，用于將每個(gè)分位區(qū)間中正樣本的數(shù)量與分位區(qū)間中特征值的數(shù)量的比值確定為正樣本比例。

本公開(kāi)的實(shí)施例提供的技術(shù)方案可以包括以下有益效果：

本公開(kāi)通過(guò)獲取用于訓(xùn)練預(yù)設(shè)模型的預(yù)設(shè)維度特征的多個(gè)特征值；根據(jù)所述多個(gè)特征值的排序確定多個(gè)分位區(qū)間；獲取每個(gè)分位區(qū)間中作為正樣本的特征值的數(shù)量與所在區(qū)間內(nèi)所有特征值的數(shù)量的正樣本比例；計(jì)算任意兩個(gè)相鄰的所述分位區(qū)間的所述正樣本比例之間的正樣本變化率；根據(jù)所有分位區(qū)間對(duì)應(yīng)的所述正樣本比例之間的正樣本變化率，可以確定用于處理所述預(yù)設(shè)維度特征的目標(biāo)特征工程策略。

本公開(kāi)實(shí)施例提供的該方法，能夠挖掘每個(gè)特征的本質(zhì)屬性，根據(jù)每個(gè)特征的本質(zhì)屬性自動(dòng)的選擇最適合該特征的特征工程策略，這樣不僅可以發(fā)揮每個(gè)特征最大的“潛能”，最重要的是數(shù)據(jù)模型的預(yù)測(cè)精度將大大提高，并且提高處理效率。

應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，并不能限制本公開(kāi)。

附圖說(shuō)明

此處的附圖被并入說(shuō)明書中并構(gòu)成本說(shuō)明書的一部分，示出了符合本發(fā)明的實(shí)施例，并與說(shuō)明書一起用于解釋本發(fā)明的原理。

圖1是根據(jù)一示例性實(shí)施例示出的一種特征工程策略確定方法的流程圖；

圖2是圖1中步驟s105的一種流程圖；

圖3是圖2中步驟s201的流程圖；

圖4是圖1中步驟s105的另一種流程圖；

圖5是圖1中步驟s105的另一種流程圖；

圖6是根據(jù)一示例性實(shí)施例示出的一種特征工程策略確定裝置的結(jié)構(gòu)圖。

具體實(shí)施方式

這里將詳細(xì)地對(duì)示例性實(shí)施例進(jìn)行說(shuō)明，其示例表示在附圖中。下面的描述涉及附圖時(shí)，除非另有表示，不同附圖中的相同數(shù)字表示相同或相似的要素。以下示例性實(shí)施例中所描述的實(shí)施方式并不代表與本發(fā)明相一致的所有實(shí)施方式。相反，它們僅是與如所附權(quán)利要求書中所詳述的、本發(fā)明的一些方面相一致的裝置和方法的例子。

如圖1所示，在本公開(kāi)的一個(gè)實(shí)施例中，提供一種特征工程策略確定方法，包括以下步驟。

在步驟s101中，獲取用于訓(xùn)練預(yù)設(shè)模型的預(yù)設(shè)維度特征的多個(gè)特征值。

在本公開(kāi)實(shí)施例中，預(yù)設(shè)模型可以用于根據(jù)輸入的預(yù)設(shè)維度特征及特征值判斷用戶是否滿足目標(biāo)維度特征的人群，例如，預(yù)設(shè)維度特征可以為身高、體重、消費(fèi)數(shù)額和購(gòu)物對(duì)象等等，當(dāng)預(yù)設(shè)維度特征為身高時(shí)，特征值可以為160cm、150cm、170cm和180cm等等，當(dāng)預(yù)設(shè)維度特征為體重時(shí)，特征值可以為60kg、40kg、80kg、50kg、90kg和70kg等等，目標(biāo)維度特征可以為男人和女人或者好人和壞人等等，當(dāng)目標(biāo)特征為男人和女人時(shí)，可以用多個(gè)維度的預(yù)設(shè)維度特征訓(xùn)練預(yù)設(shè)模型，例如：身高、體重和購(gòu)物對(duì)象等。

在該步驟中，可以在事先采集的多個(gè)用于訓(xùn)練預(yù)設(shè)模型的多個(gè)不同的預(yù)設(shè)維度特征中選擇一個(gè)預(yù)設(shè)維度特征，并獲取該預(yù)設(shè)維度特征的特征值，例如：獲取身高特征的多個(gè)特征值。

在步驟s102中，根據(jù)所述多個(gè)特征值的排序確定多個(gè)分位區(qū)間。

在本公開(kāi)實(shí)施例中，排序可以指按照從小到大排序，從大到小排序等等，預(yù)設(shè)區(qū)間數(shù)量可以指根據(jù)特征值的數(shù)量確定的分位區(qū)間數(shù)量，或者是根據(jù)實(shí)際需要設(shè)置的分位區(qū)間數(shù)量，例如：10個(gè)、5個(gè)等。

在該步驟中，可以將獲取的多個(gè)特征值進(jìn)行排序，根據(jù)預(yù)設(shè)區(qū)間數(shù)量將至少一個(gè)的特征值確定為分位點(diǎn)，以及，每個(gè)分位點(diǎn)的位置信息，按照每個(gè)分位點(diǎn)的位置信息，利用分位點(diǎn)將排序后的多個(gè)特征值分隔成預(yù)設(shè)區(qū)間數(shù)量個(gè)分位區(qū)間，每個(gè)所述分位區(qū)間包含相同數(shù)量個(gè)所述特征值。

在實(shí)際應(yīng)用中，假如有100個(gè)人，將這100人按身高特征從大到小排序，當(dāng)預(yù)設(shè)區(qū)間數(shù)量為10時(shí)，則9個(gè)分位點(diǎn)分別就是100個(gè)人中第10名、第20名,…第90名的那個(gè)人所在的特征值，這樣可以把這100個(gè)人劃分為10個(gè)區(qū)間，每個(gè)區(qū)間10個(gè)人。

在步驟s103中，獲取每個(gè)分位區(qū)間中作為正樣本的特征值的數(shù)量與所在區(qū)間內(nèi)所有特征值的數(shù)量的正樣本比例。

在本公開(kāi)實(shí)施例中，作為正樣本的特征值可以指滿足目標(biāo)維度特征的特征值，例如目標(biāo)維度特征為男生和女生，這是可以將100個(gè)人中為男生的人的身高特征值作為正樣本，其余的女生為負(fù)樣本，或者，將等100個(gè)人中為女生的人的身高特征值作為正樣本，其余的男生為正樣本等。

在該步驟中，可以獲取預(yù)設(shè)模型的目標(biāo)維度特征，將每個(gè)分位區(qū)間中滿足目標(biāo)維度特征的至少一個(gè)特征值確定為正樣本，統(tǒng)計(jì)每個(gè)分位區(qū)間中正樣本的數(shù)量，以及，分位區(qū)間中特征值的數(shù)量，將每個(gè)分位區(qū)間中正樣本的數(shù)量與分位區(qū)間中特征值的數(shù)量的比值確定為正樣本比例。

在實(shí)際應(yīng)用中，假如按身高從大到小排序的100個(gè)人中，第一個(gè)區(qū)間是第1-10名，10個(gè)全是男生，這時(shí)第一個(gè)區(qū)間的正樣本比例為10/10等于1，第二個(gè)區(qū)間是第11-20名，有8個(gè)男生2個(gè)女生，這時(shí)第二個(gè)區(qū)間的正樣本比例為8/10等于0.8，隨著區(qū)間往后，男生的比例越來(lái)越少，正樣本比例也越來(lái)越小，這說(shuō)明，身高是判斷男女生的有效特征，比如一個(gè)人的身高在最矮的那10個(gè)人也就是第10個(gè)區(qū)間里面，那這個(gè)人是女生的概率就非常大。

在步驟s104中，計(jì)算任意兩個(gè)相鄰的所述分位區(qū)間的所述正樣本比例之間的正樣本變化率。

在本公開(kāi)實(shí)施例中，正樣本變化率可以指相鄰的兩個(gè)分位區(qū)間的正樣本比例之間的差值等，計(jì)算公式如下：

αi→i+1＝pi+1-pii＝1，2，...n-1

其中，特征中各分位點(diǎn)區(qū)間的正樣本比例為p1、p2…pn，其中n為分位點(diǎn)區(qū)間個(gè)數(shù)。pn-p1>0時(shí)表示該特征為正向特征，反之為負(fù)向特征。

在該步驟中，可以分別計(jì)算多個(gè)分位區(qū)間中每?jī)蓚€(gè)相鄰的分位區(qū)間的、正樣本比例之間的差值，例如可以首先計(jì)算第一個(gè)分位區(qū)間和第二個(gè)分位區(qū)間的正樣本比例之間的差值0.8-1＝-0.2，再計(jì)算第二個(gè)分位區(qū)間和第三個(gè)分位區(qū)間的正樣本比例之間的差值……最后計(jì)算第九個(gè)分位區(qū)間和第十個(gè)分位區(qū)間的正樣本比例之間的差值等。

在步驟s105中，根據(jù)所有分位區(qū)間對(duì)應(yīng)的所述正樣本比例之間的正樣本變化率，確定用于處理所述預(yù)設(shè)維度特征的目標(biāo)特征工程策略。

在本公開(kāi)實(shí)施例中，目標(biāo)特征工程策略可以指等域?qū)掃B續(xù)歸一方式、等頻率連續(xù)歸一方式、多特征離散方式、單一特征離散方式、woe(weightofevidence，權(quán)重證據(jù)法)方式等。

在該步驟中，可以根據(jù)正樣本變化率數(shù)值的特點(diǎn)，例如正值，負(fù)值以及相對(duì)于平均值變化范圍的大小等，確定一個(gè)或多個(gè)用于處理預(yù)設(shè)維度特征的目標(biāo)特征工程策略。

本公開(kāi)通過(guò)獲取用于訓(xùn)練預(yù)設(shè)模型的預(yù)設(shè)維度特征的多個(gè)特征值；根據(jù)所述多個(gè)特征值的排序確定多個(gè)分位區(qū)間；獲取每個(gè)分位區(qū)間中作為正樣本的特征值的數(shù)量與所在區(qū)間內(nèi)所有特征值的數(shù)量的正樣本比例；計(jì)算任意兩個(gè)相鄰的所述分位區(qū)間的所述正樣本比例之間的正樣本變化率；根據(jù)所有分位區(qū)間對(duì)應(yīng)的所述正樣本比例之間的正樣本變化率，可以確定用于處理所述預(yù)設(shè)維度特征的目標(biāo)特征工程策略。

本公開(kāi)實(shí)施例提供的該方法，能夠挖掘每個(gè)特征的本質(zhì)屬性，根據(jù)每個(gè)特征的本質(zhì)屬性自動(dòng)的選擇最適合該特征的特征工程策略，這樣不僅可以發(fā)揮每個(gè)特征最大的“潛能”，最重要的是數(shù)據(jù)模型的預(yù)測(cè)精度將大大提高，并且提高處理效率。

如圖2所示，在本公開(kāi)的又一實(shí)施例中，所述步驟s105包括以下步驟。

在步驟s201中，判斷所有正樣本變化率是否滿足預(yù)設(shè)連續(xù)化處理?xiàng)l件。

在本公開(kāi)實(shí)施例中預(yù)設(shè)連續(xù)化處理?xiàng)l件可以指所有正樣本變化率均為正數(shù)。

在該步驟中，可以按照預(yù)設(shè)先后順序從第一正樣本變化率起始，最后一個(gè)正樣本變化率截止，逐一判斷每個(gè)正樣本變化率。

當(dāng)所有正樣本變化率滿足預(yù)設(shè)連續(xù)化處理?xiàng)l件時(shí)，在步驟s202中，計(jì)算多個(gè)特征值的離差系數(shù)。

在本公開(kāi)實(shí)施例中，離差系數(shù)可以表示標(biāo)準(zhǔn)差相對(duì)于平均數(shù)大小的相對(duì)量，其計(jì)算公式如下：

其中，cv表示離差系數(shù)，表示特征的多個(gè)特征值的平均值，n為分位點(diǎn)區(qū)間個(gè)數(shù)。

在步驟s203中，判斷所述離差系數(shù)是否大于第一預(yù)設(shè)閾值。

在本公開(kāi)實(shí)施例中，第一預(yù)設(shè)閾值可以為1。

在該步驟中，可以判斷離差系數(shù)是否大于1。

當(dāng)所述離差系數(shù)大于第一預(yù)設(shè)閾值時(shí)，在步驟s204中，確定預(yù)設(shè)特征工程策略為等頻率連續(xù)歸一方式。

在本公開(kāi)實(shí)施例中，等頻率連續(xù)歸一方式可以指后一分位區(qū)間與前一分位區(qū)間的頻率之間的差值是相同的，可以利用頻率＝1/區(qū)間個(gè)數(shù)的方式計(jì)算得到第一個(gè)分位區(qū)間的第一頻率，第二個(gè)分位區(qū)間的第二頻率可以在第一頻率的基礎(chǔ)上再加上第一頻率，第三個(gè)分位區(qū)間的第三頻率可以在第二頻率的基礎(chǔ)上再加上第一頻率，……，依此類推，這樣，就可以確定出所有分位區(qū)間的頻率，再利用每個(gè)分位區(qū)間對(duì)應(yīng)的頻率乘以對(duì)應(yīng)分位區(qū)間中的特征值。

當(dāng)所述離差系數(shù)小于或等于第一預(yù)設(shè)閾值時(shí)，在步驟s205中，確定預(yù)設(shè)特征工程策略為等域?qū)掃B續(xù)歸一方式。

在本公開(kāi)實(shí)施例中，等域?qū)掃B續(xù)歸一方式可以指等域?qū)掃B續(xù)歸一法的生成公式為：

其中，fold表示未經(jīng)等域?qū)掃B續(xù)歸一法處理的特征值，max和min分別表示所有特征值中的最大值與最小值，fnew表示構(gòu)造完歸一化的特征取值。該方法的可以將fnew的取值范圍映射到0到1之間，并且值與值之間依然保持按比例縮小的距離。

本公開(kāi)通過(guò)判斷所有正樣本變化率是否滿足預(yù)設(shè)連續(xù)化處理?xiàng)l件，當(dāng)所有正樣本變化率滿足預(yù)設(shè)連續(xù)化處理?xiàng)l件時(shí)，計(jì)算多個(gè)特征值的離差系數(shù)，判斷所述離差系數(shù)是否大于第一預(yù)設(shè)閾值，當(dāng)所述離差系數(shù)大于第一預(yù)設(shè)閾值時(shí)，可以確定預(yù)設(shè)特征工程策略為等頻率連續(xù)歸一方式，當(dāng)所述離差系數(shù)小于或等于第一預(yù)設(shè)閾值時(shí)，可以確定預(yù)設(shè)特征工程策略為等域?qū)掃B續(xù)歸一方式。

本公開(kāi)實(shí)施例提供的該方法，能夠利用等域?qū)掃B續(xù)歸一法將fnew的取值范圍映射到0到1之間，并且值與值之間依然保持按比例縮小的距離，但是由于當(dāng)特征值中存在個(gè)別“臟數(shù)據(jù)”(超大或超小值)，會(huì)讓特征大部分值集中在一個(gè)很小的范圍內(nèi)，影響處理效果，所以本申請(qǐng)?jiān)谟锌赡苡小芭K數(shù)據(jù)”時(shí)，還提供一種等頻率連續(xù)歸一法，等頻率連續(xù)歸一法可以完美地克服“臟數(shù)據(jù)”問(wèn)題。

如圖3所示，在本公開(kāi)的又一實(shí)施例中，所述步驟s201包括以下步驟。

在步驟s301中，按照預(yù)設(shè)先后順序依次判斷所有正樣本變化率是否均大于預(yù)設(shè)變化率閾值。

在本公開(kāi)實(shí)施例中，預(yù)設(shè)先后順序可以指從最左邊第一個(gè)正樣本變化率到最右邊的正樣本變化率，也可以指從最右邊第一個(gè)正樣本變化率到最左邊的正樣本變化率等，預(yù)設(shè)變化率閾值可以為0。

在步驟s302中，當(dāng)所有正樣本變化率均大于預(yù)設(shè)變化率閾值時(shí)，確定滿足預(yù)設(shè)連續(xù)化處理?xiàng)l件。

在步驟s303中，當(dāng)存在小于或等于預(yù)設(shè)變化率閾值的正樣本變化率時(shí)，將小于預(yù)設(shè)變化率閾值的正樣本變化率相關(guān)聯(lián)的兩個(gè)分位區(qū)間合并；判斷合并后的分位區(qū)間的正樣本變化率是否大于預(yù)設(shè)變化率閾值，當(dāng)合并后分位區(qū)間的變化率大于預(yù)設(shè)變化率閾值時(shí)，確定所有正樣本變化率滿足預(yù)設(shè)連續(xù)化處理?xiàng)l件。

在本公開(kāi)實(shí)施例中，合并的目的是為了判斷特征是否滿足線性性，就是看合并后的分位區(qū)間是否能構(gòu)成一條單調(diào)曲線，如果能，就做連續(xù)化處理，如果不能就做離散化處理。

例如：就判別男女生而言，身高特征可以是一個(gè)滿足單調(diào)性的特征，身高越高，是男生的概率越大，可以做連續(xù)化處理。

在本公開(kāi)實(shí)施例中，所述步驟s303可以包括以下步驟。

當(dāng)小于或等于預(yù)設(shè)變化率閾值的正樣本變化率是預(yù)設(shè)先后順序中第一個(gè)正樣本變化率時(shí)，將所述第一個(gè)正樣本變化率對(duì)應(yīng)的兩個(gè)分位區(qū)間合并。

例如：如果第一個(gè)分位區(qū)間為a，第二個(gè)分位區(qū)間為b，第三個(gè)分位區(qū)間為c，第四個(gè)分位區(qū)間為d，第五個(gè)分位區(qū)間為e，預(yù)先順序可以指a到e，如果a、b之間的正樣本變化率小于0，可以將ab合并，合并后的ab兩個(gè)分位區(qū)間形成一個(gè)新的分位區(qū)間m，假如，a的兩端為130cm-140cm，b的兩端為140cm-150cm,則合并后的m的兩端為130cm-150cm。

當(dāng)小于或等于預(yù)設(shè)變化率閾值的正樣本變化率不是預(yù)設(shè)先后順序中第一個(gè)正樣本變化率時(shí)，將當(dāng)前正樣本變化率在預(yù)設(shè)先后順序的前一個(gè)正樣本變化率對(duì)應(yīng)的兩個(gè)分位區(qū)間合并。

例如：在將ab合并完得到m后，此時(shí)分位區(qū)間為mcde，再將m和c比較，如果m和c之間的正樣本變化率大于0，則m與c不需要合并，此時(shí)分位區(qū)間仍為mcde，這時(shí)可以以c為基礎(chǔ)，與d比較，如果c和d之間的正樣本變化率小于0，這時(shí)可以將m與c合并，得到新的區(qū)間n，此時(shí)分位區(qū)間為nde，再將n與d繼續(xù)比較，……，直至最后形成1個(gè)或多個(gè)分位區(qū)間。

本公開(kāi)通過(guò)按照預(yù)設(shè)先后順序依次判斷所有正樣本變化率是否均大于預(yù)設(shè)變化率閾值，當(dāng)所有正樣本變化率均大于預(yù)設(shè)變化率閾值時(shí)，確定滿足預(yù)設(shè)連續(xù)化處理?xiàng)l件，當(dāng)存在小于或等于預(yù)設(shè)變化率閾值的正樣本變化率時(shí)，將小于預(yù)設(shè)變化率閾值的正樣本變化率相關(guān)聯(lián)的兩個(gè)分位區(qū)間合并；判斷合并后的分位區(qū)間的正樣本變化率是否大于預(yù)設(shè)變化率閾值，當(dāng)合并后分位區(qū)間的變化率大于預(yù)設(shè)變化率閾值時(shí)，可以確定所有正樣本變化率滿足預(yù)設(shè)連續(xù)化處理?xiàng)l件。

本公開(kāi)實(shí)施例提供的該方法，能夠自動(dòng)判斷正樣本變化率是否滿足預(yù)設(shè)連續(xù)化處理?xiàng)l件。

如圖4所示，在本公開(kāi)的又一實(shí)施例中，所述步驟s105還包括以下步驟。

當(dāng)存在不滿足預(yù)設(shè)連續(xù)化處理?xiàng)l件的正樣本變化率時(shí)，在步驟s401中，判斷所述正樣本變化率是否滿足預(yù)設(shè)離散化處理?xiàng)l件。

在本公開(kāi)實(shí)施例中，當(dāng)存在不滿足預(yù)設(shè)連續(xù)化處理?xiàng)l件的正樣本變化率時(shí)，即存在小于0的正樣本變化率時(shí)；預(yù)設(shè)離散化處理?xiàng)l件可以指該不滿足預(yù)設(shè)連續(xù)化處理?xiàng)l件的正樣本變化率大于2倍的正樣本變化率平均值等；不滿足預(yù)設(shè)連續(xù)化處理?xiàng)l件的正樣本變化率可以為至少0個(gè)。

在該步驟中，可以將該不滿足預(yù)設(shè)連續(xù)化處理?xiàng)l件的正樣本變化率與預(yù)設(shè)離散化處理?xiàng)l件進(jìn)行比較，記αi為第i個(gè)分位區(qū)間到第i+1個(gè)分位區(qū)間的變化率，為所有變化率的平均值，如果某個(gè)變化率存在即確定該正樣本變化率滿足預(yù)設(shè)離散化處理?xiàng)l件。

當(dāng)所述正樣本變化率滿足預(yù)設(shè)離散化處理?xiàng)l件時(shí)，在步驟s402中，獲取用于分隔所述正樣本變化率對(duì)應(yīng)的兩個(gè)分位區(qū)間的分位點(diǎn)，并將所述分位點(diǎn)存入預(yù)設(shè)分位點(diǎn)集合中。

在本公開(kāi)實(shí)施例中，當(dāng)存在滿足預(yù)設(shè)離散化處理?xiàng)l件的正樣本變化率時(shí)，這樣的正樣本變化率可以為至少一個(gè)，預(yù)設(shè)分位點(diǎn)集合可以指一塊預(yù)設(shè)的存儲(chǔ)空間，或者一個(gè)預(yù)先設(shè)置好的空的數(shù)據(jù)集合等。

在該步驟中，由于正樣本變化率為任意兩個(gè)相鄰的分位區(qū)間之間的正樣本變化率，這時(shí)可以將兩個(gè)相鄰的分位區(qū)間之間的分位點(diǎn)存入預(yù)設(shè)分位點(diǎn)集合中。

在步驟s403中，判斷所述預(yù)設(shè)分位點(diǎn)集合中包含的分位點(diǎn)的數(shù)量是否大于第二預(yù)設(shè)閾值。

在本公開(kāi)實(shí)施例中，第二預(yù)設(shè)閾值可以為2等。

在該步驟中，可以統(tǒng)計(jì)預(yù)設(shè)分位點(diǎn)集合中包含的分位點(diǎn)數(shù)量，并將分位點(diǎn)數(shù)量與第二預(yù)設(shè)閾值進(jìn)行比較，例如：當(dāng)分位點(diǎn)數(shù)量為3個(gè)時(shí)，3>2，則可以確定預(yù)設(shè)分位點(diǎn)集合中包含的分位點(diǎn)數(shù)量大于第二預(yù)設(shè)閾值。

當(dāng)所述預(yù)設(shè)分位點(diǎn)集合中包含的分位點(diǎn)的數(shù)量大于第二預(yù)設(shè)閾值時(shí)，在步驟s404中，確定預(yù)設(shè)特征工程策略為多特征離散方式。

在本公開(kāi)實(shí)施例中，多特征離散方式可以指將預(yù)設(shè)維度特征離散成分位點(diǎn)數(shù)量加一數(shù)量個(gè)特征，例如：當(dāng)預(yù)設(shè)維度特征為身高特征時(shí)，且當(dāng)分位點(diǎn)數(shù)量為3個(gè)時(shí)，離散后的特征可以為4個(gè)身高區(qū)間：身高130cm-155cm，身高155cm-180cm，身高180cm-205cm，身高205cm-230cm，這時(shí)，可以將每個(gè)分位點(diǎn)兩端的分位區(qū)間中的身高依次與離散后的身高特征進(jìn)行比較，當(dāng)一個(gè)人的身高落入任意一個(gè)離散后的身高區(qū)間中時(shí)，在該身高區(qū)間對(duì)應(yīng)的特征值即為1，未落入其余3個(gè)身高區(qū)間對(duì)應(yīng)的特征值均為0，例如：當(dāng)一個(gè)人身高為160cm時(shí)，其對(duì)應(yīng)的4個(gè)特征值為0,1,0，0，每個(gè)分位點(diǎn)兩端的分位區(qū)間中所有人均可以按照同樣的方法進(jìn)行計(jì)算。

當(dāng)所述分位點(diǎn)集合中包含的分位點(diǎn)的數(shù)量小于或等于第二預(yù)設(shè)閾值時(shí)，在步驟s405中，確定預(yù)設(shè)特征工程策略為單一特征離散方式。

在本公開(kāi)實(shí)施例中，單一特征離散方式可以指所述分位點(diǎn)集合中包含的分位點(diǎn)數(shù)量小于或等于第二預(yù)設(shè)閾值，并且大于或等于1(因?yàn)槿舸嬖跐M足預(yù)設(shè)離散化處理?xiàng)l件的正樣本變化率，則這樣的正樣本變化率應(yīng)至少為1個(gè))時(shí)，可以以分位點(diǎn)為界，分別求出分位點(diǎn)兩端的分位區(qū)間的正樣本比例，落入正樣本比例較高區(qū)間的特征值取1，落入正樣本比例較低區(qū)間的所有值則取0，例如：當(dāng)預(yù)設(shè)維度特征為身高特征時(shí)，且當(dāng)分位點(diǎn)數(shù)量為1個(gè)時(shí)，如果分位點(diǎn)為140cm時(shí),其左側(cè)分位區(qū)間為身高小于140cm，其右側(cè)分位區(qū)間為身高大于等于140cm，其中右側(cè)分位區(qū)間正樣本比例較高，左側(cè)分位區(qū)間正樣本比例較低，則可以將分位點(diǎn)兩端的分位區(qū)間中的所有身高依次與該分位點(diǎn)進(jìn)行比較，當(dāng)?shù)谝粋€(gè)人的身高落入右側(cè)分位區(qū)間中時(shí)，在該分位區(qū)間對(duì)應(yīng)的特征值為1，未落入的左分位區(qū)間對(duì)應(yīng)的特征值為0，例如：當(dāng)一個(gè)人身高為160cm時(shí)，其對(duì)應(yīng)的2個(gè)特征值為0,1，分位點(diǎn)兩端的分位區(qū)間中所有人均可以按照同樣的方法進(jìn)行計(jì)算。

本公開(kāi)通過(guò)當(dāng)存在不滿足預(yù)設(shè)連續(xù)化處理?xiàng)l件的正樣本變化率時(shí)，判斷所述正樣本變化率是否滿足預(yù)設(shè)離散化處理?xiàng)l件，當(dāng)所述正樣本變化率滿足預(yù)設(shè)離散化處理?xiàng)l件時(shí)，獲取用于分隔所述正樣本變化率對(duì)應(yīng)的兩個(gè)分位區(qū)間的分位點(diǎn)，并將所述分位點(diǎn)存入預(yù)設(shè)分位點(diǎn)集合中，判斷所述預(yù)設(shè)分位點(diǎn)集合中包含的分位點(diǎn)的數(shù)量是否大于第二預(yù)設(shè)閾值，當(dāng)所述預(yù)設(shè)分位點(diǎn)集合中包含的分位點(diǎn)的數(shù)量大于第二預(yù)設(shè)閾值時(shí)，可以確定預(yù)設(shè)特征工程策略為多特征離散方式，當(dāng)所述分位點(diǎn)集合中包含的分位點(diǎn)的數(shù)量小于或等于第二預(yù)設(shè)閾值時(shí)，可以確定預(yù)設(shè)特征工程策略為單一特征離散方式。

本公開(kāi)實(shí)施例提供的該方法，能夠?qū)⒄龢颖咀兓蚀笥?倍的正樣本變化率平均值時(shí)，可以確定正樣本變化率對(duì)應(yīng)的兩個(gè)分位區(qū)間適合做離散處理，并根據(jù)適合做離散處理的正樣本變化率的個(gè)數(shù)，也就是分位點(diǎn)的個(gè)數(shù)，自動(dòng)選擇對(duì)應(yīng)的離散處理方式。

如圖5所示，在本公開(kāi)的又一實(shí)施例中，所述步驟s105還包括以下步驟。

當(dāng)所述正樣本變化率不滿足預(yù)設(shè)離散化處理?xiàng)l件時(shí)，在步驟s501中，確定預(yù)設(shè)特征工程策略為woe方式。

在本公開(kāi)實(shí)施例中，woe方式可以很好的貼合線性模型訓(xùn)練，其計(jì)算公式如下：

其中，badi％表示第i個(gè)分位區(qū)間的正樣本比例，goodi％表示第i個(gè)分位區(qū)間的負(fù)樣本比例。

如圖6所示，在本公開(kāi)的又一實(shí)施例中，提供一種特征工程策略確定裝置，包括：第一獲取模塊601、第一確定模塊602、第二獲取模塊603、計(jì)算模塊604和第二確定模塊605。

第一獲取模塊601，用于獲取用于訓(xùn)練預(yù)設(shè)模型的預(yù)設(shè)維度特征的多個(gè)特征值。

第一確定模塊602，用于根據(jù)所述多個(gè)特征值的排序確定多個(gè)分位區(qū)間。

在本公開(kāi)實(shí)施例中，所述第一確定模塊602包括：排序子模塊、第一確定子模塊和分隔子模塊。

其中，排序子模塊，用于將多個(gè)特征值進(jìn)行排序；第一確定子模塊，用于根據(jù)預(yù)設(shè)區(qū)間數(shù)量將至少一個(gè)的特征值確定為分位點(diǎn)，以及，每個(gè)分位點(diǎn)的位置信息；分隔子模塊，用于按照每個(gè)分位點(diǎn)的位置信息，利用分位點(diǎn)將排序后的多個(gè)特征值分隔成預(yù)設(shè)區(qū)間數(shù)量個(gè)分位區(qū)間，每個(gè)所述分位區(qū)間包含相同數(shù)量個(gè)所述特征值。

第二獲取模塊603，用于獲取每個(gè)分位區(qū)間中作為正樣本的特征值的數(shù)量與所在區(qū)間內(nèi)所有特征值的數(shù)量的正樣本比例。

在本公開(kāi)實(shí)施例中，所述第二獲取模塊包括：第二獲取子模塊、第七確定子模塊、統(tǒng)計(jì)子模塊和第八確定子模塊。

其中，第二獲取子模塊，用于獲取預(yù)設(shè)模型的目標(biāo)維度特征；第七確定子模塊，用于將每個(gè)分位區(qū)間中滿足目標(biāo)維度特征的至少一個(gè)特征值確定為正樣本；統(tǒng)計(jì)子模塊，用于統(tǒng)計(jì)每個(gè)分位區(qū)間中正樣本的數(shù)量，以及，分位區(qū)間中特征值的數(shù)量；第八確定子模塊，用于將每個(gè)分位區(qū)間中正樣本的數(shù)量與分位區(qū)間中特征值的數(shù)量的比值確定為正樣本比例。

計(jì)算模塊604，用于計(jì)算任意兩個(gè)相鄰的所述分位區(qū)間的所述正樣本比例之間的正樣本變化率。

第二確定模塊605，用于根據(jù)所有分位區(qū)間對(duì)應(yīng)的所述正樣本比例之間的正樣本變化率，確定用于處理所述預(yù)設(shè)維度特征的目標(biāo)特征工程策略。

在本公開(kāi)的又一實(shí)施例中，所述第二確定模塊605包括：第一判斷子模塊、計(jì)算子模塊、第二判斷子模塊、第二確定子模塊和第三確定子模塊。

第一判斷子模塊，用于判斷所有正樣本變化率是否滿足預(yù)設(shè)連續(xù)化處理?xiàng)l件。

計(jì)算子模塊，用于當(dāng)所有正樣本變化率滿足預(yù)設(shè)連續(xù)化處理?xiàng)l件時(shí)，計(jì)算多個(gè)特征值的離差系數(shù)。

第二判斷子模塊，用于判斷所述離差系數(shù)是否大于第一預(yù)設(shè)閾值。

第二確定子模塊，用于當(dāng)所述離差系數(shù)大于第一預(yù)設(shè)閾值時(shí)，確定預(yù)設(shè)特征工程策略為等頻率連續(xù)歸一方式。

第三確定子模塊，用于當(dāng)所述離差系數(shù)小于或等于第一預(yù)設(shè)閾值時(shí)，確定預(yù)設(shè)特征工程策略為等域?qū)掃B續(xù)歸一方式。

在本公開(kāi)的又一實(shí)施例中，所述第一判斷子模塊包括：判斷單元、確定單元和合并確定單元。

判斷單元，用于按照預(yù)設(shè)先后順序依次判斷所有正樣本變化率是否均大于預(yù)設(shè)變化率閾值。

確定單元，用于當(dāng)所有正樣本變化率均大于預(yù)設(shè)變化率閾值時(shí)，確定滿足預(yù)設(shè)連續(xù)化處理?xiàng)l件。

合并確定單元，用于當(dāng)存在小于或等于預(yù)設(shè)變化率閾值的正樣本變化率時(shí)，將小于預(yù)設(shè)變化率閾值的正樣本變化率相關(guān)聯(lián)的兩個(gè)分位區(qū)間合并；判斷合并后的分位區(qū)間的正樣本變化率是否大于預(yù)設(shè)變化率閾值，當(dāng)合并后分位區(qū)間的變化率大于預(yù)設(shè)變化率閾值時(shí)，確定所有正樣本變化率滿足預(yù)設(shè)連續(xù)化處理?xiàng)l件。

在本公開(kāi)的又一實(shí)施例中，所述合并確定單元包括：第一合并子單元和第二合并子單元。

第一合并子單元，用于當(dāng)小于或等于預(yù)設(shè)變化率閾值的正樣本變化率是預(yù)設(shè)先后順序中第一個(gè)正樣本變化率時(shí)，將所述第一個(gè)正樣本變化率對(duì)應(yīng)的兩個(gè)分位區(qū)間合并。

第二合并子單元，用于當(dāng)小于或等于預(yù)設(shè)變化率閾值的正樣本變化率不是預(yù)設(shè)先后順序中第一個(gè)正樣本變化率時(shí)，將當(dāng)前正樣本變化率在預(yù)設(shè)先后順序的前一個(gè)正樣本變化率對(duì)應(yīng)的兩個(gè)分位區(qū)間合并。

在本公開(kāi)的又一實(shí)施例中，第二確定模塊605還包括：第三判斷子模塊、第一獲取子模塊、第四判斷子模塊、第四確定子模塊和第五確定子模塊。

第三判斷子模塊，用于當(dāng)存在不滿足預(yù)設(shè)連續(xù)化處理?xiàng)l件的正樣本變化率時(shí)，判斷所述正樣本變化率是否滿足預(yù)設(shè)離散化處理?xiàng)l件。

第一獲取子模塊，用于當(dāng)所述正樣本變化率滿足預(yù)設(shè)離散化處理?xiàng)l件時(shí)，獲取用于分隔所述正樣本變化率對(duì)應(yīng)的兩個(gè)分位區(qū)間的分位點(diǎn)，并將所述分位點(diǎn)存入預(yù)設(shè)分位點(diǎn)集合中。

第四判斷子模塊，用于判斷所述預(yù)設(shè)分位點(diǎn)集合中包含的分位點(diǎn)的數(shù)量是否大于第二預(yù)設(shè)閾值。

第四確定子模塊，用于當(dāng)所述預(yù)設(shè)分位點(diǎn)集合中包含的分位點(diǎn)的數(shù)量大于第二預(yù)設(shè)閾值時(shí)，確定預(yù)設(shè)特征工程策略為多特征離散方式。

第五確定子模塊，用于當(dāng)所述分位點(diǎn)集合中包含的分位點(diǎn)的數(shù)量小于或等于第二預(yù)設(shè)閾值時(shí)，確定預(yù)設(shè)特征工程策略為單一特征離散方式。

在本公開(kāi)的又一實(shí)施例中，所述第二確定模塊605還包括：第六確定子模塊。

第六確定子模塊，用于當(dāng)所述正樣本變化率不滿足預(yù)設(shè)離散化處理?xiàng)l件時(shí)，確定預(yù)設(shè)特征工程策略為woe方式。

本領(lǐng)域技術(shù)人員在考慮說(shuō)明書及實(shí)踐這里公開(kāi)的發(fā)明后，將容易想到本發(fā)明的其它實(shí)施方案。本申請(qǐng)旨在涵蓋本發(fā)明的任何變型、用途或者適應(yīng)性變化，這些變型、用途或者適應(yīng)性變化遵循本發(fā)明的一般性原理并包括本公開(kāi)未公開(kāi)的本技術(shù)領(lǐng)域中的公知常識(shí)或慣用技術(shù)手段。說(shuō)明書和實(shí)施例僅被視為示例性的，本發(fā)明的真正范圍和精神由所附的權(quán)利要求指出。

應(yīng)當(dāng)理解的是，本發(fā)明并不局限于上面已經(jīng)描述并在附圖中示出的精確結(jié)構(gòu)，并且可以在不脫離其范圍進(jìn)行各種修改和改變。本發(fā)明的范圍僅由所附的權(quán)利要求來(lái)限制。