(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211201005.1 (22)申请日 2022.09.29 (71)申请人 中银金融科技 （苏州） 有限公司 地址 215133 江苏省苏州市高铁新城南天 成路55号相融大厦18层1802室 (72)发明人 张泽群　叶芸　温海如　 (74)专利代理 机构 上海科盛知识产权代理有限 公司 312 25 专利代理师 陈金星 (51)Int.Cl. G06K 9/62(2022.01) G06N 5/00(2006.01) G06N 20/00(2019.01) (54)发明名称 一种决策树模 型特征重要性计算方法、 装置 及存储介质 (57)摘要 本发明涉及一种决策树模型特征重要性计 算方法、 装置及存储介质， 包括以下步骤： 获取一 个训练好的决策树模型； 对所述决策树模型进行 结构解析， 获取计算特征重要性所需的模型信 息； 其中， 所述模型信息中包括节点深度信息、 节 点最佳划分特征和节点增益信息； 将所述模型信 息储存为向量； 基于所述向量计算特征重要性， 并输出特征重要性向量。 与现有技术相比， 本发 明计算特征重要性时引入了决策树的节点深度， 并给出了合理的计算公式， 得到的特征重要性准 确度更高， 更加符合特征对预测结果的实际贡 献。 权利要求书2页 说明书8页 附图3页 CN 115510981 A 2022.12.23 CN 115510981 A 1.一种决策树模型 特征重要性计算方法， 其特 征在于， 包括以下步骤： 获取一个训练好的决策树模型； 对所述决策树模型进行结构解析， 获取计算特征重要性所需的模型信 息； 其中， 所述模 型信息中包括节点深度信息； 将所述模型信息储 存为向量； 基于所述向量计算特 征重要性， 并输出 特征重要性向量。 2.根据权利要求1所述的一种决策树模型特征重要性计算方法， 其特征在于， 对于单棵 决策树模型， 定义 其特征重要性向量 为： FI＝[FI1， FI2， ...， FIk， ...， FIK] 定义决策树节点深度向量 为： D＝[d1， d2， ...， dn， ...， dN] 其中K表示决策树模型的总特征数量， FIk表示特征fk的特征重要性， k∈{1， 2， 3， ...， K}； N表示决策树模型的总节点数量， dN表示节点 N的节点深度； 特 征重要性的计算公式为： 其中j表示节点值， 表示使用特征fk作为节点最佳划分特征的节点集合， 且 Gj表示节点j增益的向量。 3.根据权利要求2所述的一种决策树模型特征重要性计算方法， 其特征在于， 所述节点 j增益的向量Gj的计算公式为： 其中Oj表示节点j的目标函数， Ojl和Ojr分别表示节点j分裂后的左子节点和右子节点的 目标函数值； Cj表示节点j中的样本数量， Cjl和Cjr分别表示节点j的左子节点的样本数量和 右子节点的样本数量。 4.根据权利要求3所述的一种决策树模型特征重要性计算方法， 其特征在于， 所述Cj、 Cjl及Cjr之间满足： Cj＝Cjl+Cjr。 5.根据权利要求1所述的一种决策树模型特征重要性计算方法， 其特征在于， 对于包含 T棵树的集成决策树模型， T＞1， 定义 其中第t棵决策树的特 征重要性向量 为： FIt＝[FIt1， FIt2， ...， FItk， ...， FItK] 定义第t颗决策树的节点深度向量 为： Dt＝[dt1， dt2， ...， dtn， ...， dtN] 集成决策树模型的特 征重要性向量 为： 其中K表示第t颗决策树模型的总特征数量， FItk表示特征ftk的特征重要性， k∈{1， 2，权　利　要　求　书 1/2 页 2 CN 115510981 A 23， ...， K}， N表示第t颗决策树模型的总节点 数量， dtN表示第t颗决策树中节点N的节点深度； 在集成决策树模型中， 特 征重要性的计算公式为： 其中j表示第t棵决策树的节点值， 表示使用特征fk作为节点最佳划分特征的节点 集合， 且 Gj表示第t棵决策树中节点j增益的向量。 6.根据权利要求5所述的一种决策树模型特征重要性计算方法， 其特征在于， 所述第t 棵决策树中节点j增益的向量Gtj的计算公式为： 其中Otj表示第t棵决策树中节点j的目标函数， Otjl和Otjr分别代表第 t棵决策树中节点j 分裂后的左 子节点和 右子节点的目标函数值； Ctj代表第t棵 决策树中节点j中的样本数量， Ctjl和Ctjr分别代表第t棵决策树中节点j的左子节点和右子节点的样本数量。 7.根据权利要求6所述 的一种决策树模型特征重要性计算方法， 其特征在于， 所述Ctj、 Ctjl及Ctjr之间满足： Ctj＝Ctjl+Ctjr。 8.根据权利要求1所述的一种决策树模型特征重要性计算方法， 其特征在于， 所述的模 型信息还 包括节点 最佳划分特 征和节点增益信息 。 9.一种决策树模型特征重要性计算装置， 其特征在于， 包括存储器和处理器， 所述存储 器存储有计算机程序， 所述处理器调用所述程序指 令能够执行如权利要求 1至8任一所述的 决策树模型 特征重要性计算方法。 10.一种计算机可读存储介质， 其特征在于， 包括计算机程序， 所述计算机程序能够被 处理器执行以实现如权利要求1至8任一所述的决策树模型 特征重要性计算方法。权　利　要　求　书 2/2 页 3 CN 115510981 A 3