技术总结
本发明公开了一种数据相关性的识别方法及装置，方法包括：读取csv格式的数据文件并输入数据；csv格式的数据文件包含影响变量和目标变量，影响变量分为连续型的影响变量和离散型的影响变量；采取众数的方法对输入的数据进行缺失值补全；采用卡方分裂算法对连续型的影响变量做离散化处理，得到离散型的影响变量；计算出每个离散型的影响变量中各个属性的信息熵；依据目标变量中坏样本占总体的比例和好样本占总体的比例，计算出每个离散型的影响变量对于目标变量的相关程度；按照相关程度从大到小的顺序进行排列，输出相关程度计算结果列表。本发明能改善传统技术不能处理离散型变量的缺点、用户能够更加直观地知道影响变量的强有效区间。
技术研发人员：江颖;黄仕玲;吴国斌;张馨;钟山
受保护的技术使用者：广州帷策智能科技有限公司
文档号码：201611202418
技术研发日：2016.12.23
技术公布日：2017.06.16