本發(fā)明實(shí)施例涉及數(shù)據(jù)處理，尤其涉及一種特征重要度檢測(cè)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。
背景技術(shù)：
1、在采用預(yù)警模型監(jiān)控用戶的操作內(nèi)容，比如搜索內(nèi)容時(shí)，為了提高數(shù)據(jù)監(jiān)控的準(zhǔn)確性，通常需要結(jié)合其他手段關(guān)注或分析重要的特征數(shù)據(jù)，忽略非重要的特征數(shù)據(jù)，提高數(shù)據(jù)監(jiān)控的有效性。
2、然而，在實(shí)現(xiàn)本發(fā)明過程中，發(fā)現(xiàn)現(xiàn)有技術(shù)中至少存在如下問題：
3、采用現(xiàn)有模型解釋方法無法確定數(shù)據(jù)序列中各特征數(shù)據(jù)對(duì)模型預(yù)測(cè)結(jié)果的重要程度。
技術(shù)實(shí)現(xiàn)思路
1、本發(fā)明實(shí)施例提供了一種特征重要度檢測(cè)方法，以解決現(xiàn)有模型解釋方法無法確定數(shù)據(jù)序列中各特征數(shù)據(jù)對(duì)模型預(yù)測(cè)結(jié)果的重要程度的問題。
2、第一方面，本發(fā)明實(shí)施例提供了一種特征重要度檢測(cè)方法，所述方法包括：
3、獲取樣本集，所述樣本集包括至少一個(gè)樣本，所述樣本包括至少兩個(gè)按時(shí)間順序排列的操作內(nèi)容標(biāo)識(shí)數(shù)據(jù)；
4、針對(duì)所述樣本集中的各樣本，確定當(dāng)前樣本中各操作內(nèi)容標(biāo)識(shí)數(shù)據(jù)對(duì)目標(biāo)模型的預(yù)測(cè)結(jié)果的第一貢獻(xiàn)值；
5、根據(jù)各所述操作內(nèi)容標(biāo)識(shí)數(shù)據(jù)對(duì)應(yīng)的第一貢獻(xiàn)值，確定各操作內(nèi)容分別對(duì)應(yīng)的第二貢獻(xiàn)值；
6、根據(jù)各所述操作內(nèi)容分別對(duì)應(yīng)的第二貢獻(xiàn)值，確定所述目標(biāo)模型的特征重要度檢測(cè)結(jié)果。
7、第二方面，本發(fā)明實(shí)施例還提供了一種特征重要度檢測(cè)裝置，該裝置包括：
8、獲取模塊，用于獲取樣本集，所述樣本集包括至少一個(gè)樣本，所述樣本包括至少兩個(gè)按時(shí)間順序排列的操作內(nèi)容標(biāo)識(shí)數(shù)據(jù)；
9、第一貢獻(xiàn)值模塊，用于針對(duì)所述樣本集中的各樣本，確定當(dāng)前樣本中各操作內(nèi)容標(biāo)識(shí)數(shù)據(jù)對(duì)目標(biāo)模型的預(yù)測(cè)結(jié)果的第一貢獻(xiàn)值；
10、第二貢獻(xiàn)值模塊，根據(jù)各所述操作內(nèi)容標(biāo)識(shí)數(shù)據(jù)對(duì)應(yīng)的第一貢獻(xiàn)值，確定各操作內(nèi)容分別對(duì)應(yīng)的第二貢獻(xiàn)值；
11、結(jié)果模塊，用于根據(jù)各所述操作內(nèi)容分別對(duì)應(yīng)的第二貢獻(xiàn)值，確定所述目標(biāo)模型的特征重要度檢測(cè)結(jié)果。
12、第三方面，本發(fā)明實(shí)施例提供了一種電子設(shè)備，所述電子設(shè)備包括：
13、一個(gè)或多個(gè)處理器；
14、存儲(chǔ)器，用于存儲(chǔ)一個(gè)或多個(gè)程序；
15、當(dāng)所述一個(gè)或多個(gè)程序被所述一個(gè)或多個(gè)處理器執(zhí)行，使得所述一個(gè)或多個(gè)處理器實(shí)現(xiàn)如本發(fā)明任意實(shí)施例所提供的特征重要度檢測(cè)方法。
16、第四方面，本發(fā)明實(shí)施例還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如本發(fā)明任意實(shí)施例所提供的特征重要度檢測(cè)方法。
17、上述發(fā)明中的實(shí)施例具有如下優(yōu)點(diǎn)或有益效果：
18、通過確定當(dāng)前樣本中各操作內(nèi)容標(biāo)識(shí)數(shù)據(jù)對(duì)目標(biāo)模型的預(yù)測(cè)結(jié)果的第一貢獻(xiàn)值，確定各操作內(nèi)容標(biāo)識(shí)數(shù)據(jù)對(duì)目標(biāo)模型的預(yù)測(cè)結(jié)果的貢獻(xiàn)程度；根據(jù)各操作內(nèi)容標(biāo)識(shí)數(shù)據(jù)對(duì)應(yīng)的第一貢獻(xiàn)值，確定各操作內(nèi)容分別對(duì)應(yīng)的第二貢獻(xiàn)值；由于各操作內(nèi)容對(duì)應(yīng)的第二貢獻(xiàn)值可以反映各操作內(nèi)容對(duì)目標(biāo)模型預(yù)測(cè)結(jié)果的貢獻(xiàn)程度，因此根據(jù)各操作內(nèi)容分別對(duì)應(yīng)的第二貢獻(xiàn)值，可以確定目標(biāo)模型的特征重要度檢測(cè)結(jié)果，簡(jiǎn)單、快捷、準(zhǔn)確。
1.一種特征重要度檢測(cè)方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述確定當(dāng)前樣本中各操作內(nèi)容標(biāo)識(shí)數(shù)據(jù)對(duì)目標(biāo)模型的預(yù)測(cè)結(jié)果的第一貢獻(xiàn)值，包括：
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述確定各操作內(nèi)容分別對(duì)應(yīng)的第二貢獻(xiàn)值，包括：
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)各所述操作內(nèi)容對(duì)應(yīng)的第二貢獻(xiàn)值確定所述目標(biāo)模型的特征重要度檢測(cè)結(jié)果，包括：
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，對(duì)所述目標(biāo)模型的預(yù)測(cè)結(jié)果有正向貢獻(xiàn)的操作內(nèi)容標(biāo)識(shí)數(shù)據(jù)對(duì)應(yīng)的第一貢獻(xiàn)值為正數(shù)，對(duì)所述目標(biāo)模型的預(yù)測(cè)結(jié)果有負(fù)向貢獻(xiàn)的操作內(nèi)容標(biāo)識(shí)數(shù)據(jù)對(duì)應(yīng)的第一貢獻(xiàn)值為負(fù)數(shù)，所述基于所述第二貢獻(xiàn)值對(duì)各所述操作內(nèi)容進(jìn)行排序以得到排序結(jié)果，包括：
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括：
7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述確定所述至少兩個(gè)操作內(nèi)容中各所述操作內(nèi)容對(duì)應(yīng)的至少兩個(gè)數(shù)據(jù)替換量與對(duì)應(yīng)概率之間的關(guān)系，包括：
8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述目標(biāo)模型為風(fēng)控模型，所述確定數(shù)據(jù)替換后的目標(biāo)樣本被目標(biāo)模型預(yù)測(cè)為目標(biāo)結(jié)果的概率，包括：
9.根據(jù)權(quán)利要求6所述的方法，其特征在于，還包括：
10.一種特征重要度檢測(cè)裝置，其特征在于，包括：
11.一種電子設(shè)備，其特征在于，所述電子設(shè)備包括：
12.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-9中任一所述的特征重要度檢測(cè)方法。