申请/专利权人：陈雪;张化友;杨世利;隆亚杞;熊炜

申请日：2022-02-11

公开（公告）日：2022-05-13

公开（公告）号：CN114493848A

主分类号：G06Q40/02

分类号：G06Q40/02;G06K9/62;G06F16/2457;G06F16/2458

优先权：

专利状态码：在审-实质审查的生效

法律状态：2022.05.31#实质审查的生效;2022.05.13#公开

摘要：本发明公开了一种基于集成算法的缴存影响因素分析方法。包括如下步骤：基于灵活就业人员的特征Wuser及缴存意愿首先使用合成少数类过采样技术解决数据类别不平衡问题,得到更新后的Wuser′，随后，运用十折交叉验证法划分数据集，并分别通过随机森林算法、极致梯度提升算法以及梯度提升树算法，分别得到对应的特征权重列表将这三个算法得到的特征权重列表进行集合得到特征权重矩阵Wfactor；对权重矩阵运用SK‑ESD统计检验方法得到初始排名rank0，最后去除rank0中差异不显著的因素得到最终影响因素重要性排名rank。本发明方法可以有效分析出公积金缴存影响因素，为推进灵活就业人员公积金缴存业务和出台有效准确的公积金政策提供信息参考。

主权项：1.一种基于集成算法的缴存影响因素分析方法，其特征在于，包括如下步骤：S100：构建分析方法模型，该模型包含两部分：第一部分用于计算灵活就业人员特征权重，第二部分用于计算灵活就业人员影响因素重要性排名；S200：计算灵活人员特征权重，步骤如下：S210：获取灵活就业人员信息，对每个灵活就业人员信息进行特征提取得到灵活就业人员特征向量Vuser和灵活就业人员实际缴存意愿wishact作为源数据；通过Vuser定义灵活就业人员特征矩阵Wuser，通过wishact定义灵活就业人员实际缴存意愿标签矩阵其中，灵活就业人员特征矩阵Wuser定义如下： 其中，m表示灵活就业人员总数，x…z表示灵活就业人员的所有特征，每一行的特征代表一个灵活就业人员，是m*1维的，的每一行对应一个灵活就业人员的实际缴存意愿标签；S220：对Wuser和进行数据预处理，得到新的灵活就业人员特征矩阵Wuser′和新的实际缴存意愿标签S230：使用随机森林算法对Wuser′和计算得到N份特征权重列表使用极致梯度提升算法对Wuser′和计算得到N份特征权重列表使用梯度提升树算法对Wuser′和计算得到N份特征权重列表S300：将S230得到的进行集合，得到特征权重矩阵Wfactor，Wfactor的表达式如下： 其中，j表示特征权重列表数量，f1…fn表示灵活就业人员的特征；S400：定义特征权重矩阵Wfactor为影响因素权重矩阵，并通过统计检验方法计算Wfactor得到影响因素重要性初始排名rank0；S500：通过Cliff’sDelta统计检验方法和Wilcoxon秩和检验方法分别对初始排名rank0进行处理，得到使用Cliff’sDelta统计检验方法计算得到的影响因素重要性列表L2和使用Wilcoxon秩和检验方法计算得到的影响因素重要性列表L1；S600：将L1和L2中重合的特征形成新的排名，得到影响因素重要性排名rank作为最终的排名结果。

全文数据：

权利要求：

百度查询： 陈雪;张化友;杨世利;隆亚杞;熊炜 一种基于集成算法的缴存影响因素分析方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD