一种面向后台多源数据的特征提取和特征选择方法，其特征在于，包括如下步骤：(1)在多个月份的后台数据上划分训练集和测试集；(2)训练集上针对不同的源数据提取相应分组特征；(3)使用Group Lasso方法，在测试集上通过交叉验证进行特征组选择。本发明的有益效果为：对于选择出来的组特征，使用C45决策树建立分类器离网用户分析分类器，对离网用户预测的准确率达到了45％，对存在离网倾向的停机用户预测的准确率达到了88％。1.一种面向后台多源数据的特征提取和特征选择方法，其特征在于，包括如下步骤：(1)在多个月份的后台数据上划分训练集和测试集；(2)训练集上针对不同的源数据提取相应分组特征；(3)使用Group Lasso方法，在测试集上通过交叉验证进行特征组选择；其中，步骤(2)中的用户每日上网时间序列，使用了基于多尺度直方图统计的上网时间趋势特征提取方法，包括如下步骤：1)对于用户每个月的上网时间，将时间序列两两做差值，得出上网时间每天的变化信息图；2)算出该差值序列的绝对值均值，用该值作为阈值，将时间差值细分为上网时间“显著”增加、“显著”减少、“不显著”增加、“不显著”减少以及上网时间不变的分组；3)对这些分组进行统计，得出直方图特征；4)将若干月的直方图拼在一起，作为该用户的上网时间趋势特征；步骤(3)中的Group Lasso方法的λ值，使用5*10-5，5*10-4，5*10-3，0.05，0.1，0.5和0.9这七组值并且使用Logistic Regression方法进行交叉验证。