[發(fā)明專利]用于優(yōu)化信用評(píng)估模型的數(shù)據(jù)處理方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201710785991.2
• 申請(qǐng)日: 2017-09-04
• 公開（公告）號(hào): CN107633265B
• 公開（公告）日: 2021-03-30
• 發(fā)明（設(shè)計(jì)）人: 陳肖黎;賈西貝
• 申請(qǐng)（專利權(quán)）人: 深圳市華傲數(shù)據(jù)技術(shù)有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06Q40/02
• 代理公司: 北京酷愛智慧知識(shí)產(chǎn)權(quán)代理有限公司 11514
• 代理人: 安娜

本發(fā)明涉及用于優(yōu)化信用評(píng)估模型的數(shù)據(jù)處理方法及裝置，所述方法包括：獲取借款人的相關(guān)信息作為樣本數(shù)據(jù)；將所述樣本數(shù)據(jù)劃分為訓(xùn)練集和測試集；利用所述訓(xùn)練集進(jìn)行數(shù)據(jù)建模，得到初步評(píng)估模型；利用所述測試集對(duì)所述初步評(píng)估模型進(jìn)行測試；若測試結(jié)果不滿足評(píng)估標(biāo)準(zhǔn)，則重新劃分訓(xùn)練集和測試集，利用重新劃分的訓(xùn)練集和測試集訓(xùn)練進(jìn)行數(shù)據(jù)建模和測試；若測試結(jié)果滿足評(píng)估標(biāo)準(zhǔn)，則結(jié)束訓(xùn)練，確定最終評(píng)估模型。本發(fā)明提供的用于優(yōu)化信用評(píng)估模型的數(shù)據(jù)處理方法及裝置，能夠優(yōu)化信用評(píng)估模型，提高評(píng)估精度。

技術(shù)領(lǐng)域

本發(fā)明涉及金融數(shù)據(jù)處理技術(shù)領(lǐng)域，具體涉及一種用于優(yōu)化信用評(píng)估模型的數(shù)據(jù)處理方法及裝置。

背景技術(shù)

目前，市面上的個(gè)人借貸軟件較多，不同軟件面向的目標(biāo)人群不同。為了降低風(fēng)險(xiǎn)，需要對(duì)用戶的還款能力進(jìn)行評(píng)估，為了準(zhǔn)確鎖定目標(biāo)客戶，需要對(duì)用戶的借貸傾向進(jìn)行評(píng)估。

但是，在實(shí)際應(yīng)用過程中，借貸平臺(tái)大數(shù)據(jù)適合數(shù)據(jù)分析師的應(yīng)用。如果在信用評(píng)分模型中發(fā)生了一些缺失或無效的價(jià)值，該模型可能無法成功檢測，然后對(duì)借款人產(chǎn)生偏倚的估計(jì)。并且，在啟動(dòng)階段，貸款公司可能不知道什么樣的借款人的特征在信用評(píng)分模式中是重要的。來自大型貸款公司的信用評(píng)分模式可能太過先進(jìn)，不能使用。因此，對(duì)于初期樣本少，若用戶數(shù)據(jù)信息不全、數(shù)據(jù)缺失，則無法構(gòu)建合適的評(píng)估模型進(jìn)行評(píng)估。例如，還款能力的評(píng)估模型的其中一個(gè)變量是工資收入，若無法獲取用戶的工資收入，則無法準(zhǔn)確評(píng)估其還款能力。

在構(gòu)建完信用評(píng)估模型后，如何優(yōu)化模型，提高評(píng)估精度，是本領(lǐng)域技術(shù)人員亟需解決的問題。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)中的缺陷，本發(fā)明提供的用于優(yōu)化信用評(píng)估模型的數(shù)據(jù)處理方法及裝置，能夠優(yōu)化信用評(píng)估模型，提高評(píng)估精度。

第一方面，本發(fā)明提供了一種用于優(yōu)化信用評(píng)估模型的數(shù)據(jù)處理方法，包括：

獲取借款人的相關(guān)信息作為樣本數(shù)據(jù)；

將所述樣本數(shù)據(jù)劃分為訓(xùn)練集和測試集；

利用所述訓(xùn)練集進(jìn)行數(shù)據(jù)建模，得到初步評(píng)估模型；

利用所述測試集對(duì)所述初步評(píng)估模型進(jìn)行測試；

若測試結(jié)果不滿足評(píng)估標(biāo)準(zhǔn)，則重新劃分訓(xùn)練集和測試集，利用重新劃分的訓(xùn)練集和測試集訓(xùn)練進(jìn)行數(shù)據(jù)建模和測試；

若測試結(jié)果滿足評(píng)估標(biāo)準(zhǔn)，則結(jié)束訓(xùn)練，確定最終評(píng)估模型。

本發(fā)明提供的用于優(yōu)化信用評(píng)估模型的數(shù)據(jù)處理方法，將樣本數(shù)據(jù)分訓(xùn)練集和測試集，通過訓(xùn)練集構(gòu)建評(píng)估模型，通過測試集對(duì)評(píng)估模型的預(yù)測能力進(jìn)行檢驗(yàn)，在檢驗(yàn)不合格時(shí)，通過重新劃分訓(xùn)練集和測試集，對(duì)變量進(jìn)行重新分類，得到新的模型特征值，通過上述交叉驗(yàn)證方法，實(shí)現(xiàn)評(píng)估模型的優(yōu)化，提高評(píng)估精度。另外，交叉驗(yàn)證方法可以有效地利用樣本數(shù)據(jù)中的所有信息，深度挖掘借款人的特征，用以提高模型的評(píng)估精度，并解決過擬合問題。

優(yōu)選地，所述利用所述訓(xùn)練集進(jìn)行數(shù)據(jù)建模，得到初步評(píng)估模型，包括：

采用決策樹算法對(duì)所述訓(xùn)練集中的連續(xù)型變量進(jìn)行分段處理，將所述連續(xù)型變量轉(zhuǎn)換為離散型變量；

采用聚類算法對(duì)所述訓(xùn)練集中的離散型變量進(jìn)行分類處理；

根據(jù)分類結(jié)果對(duì)變量進(jìn)行合并，確定初步模型特征值；

對(duì)所述模型特征值的樣本數(shù)據(jù)進(jìn)行邏輯回歸，建立初步評(píng)估模型。

優(yōu)選地，在進(jìn)行邏輯回歸之前，還包括：

若借款人的模型特征值缺少數(shù)據(jù)，則補(bǔ)全該模型特征值的數(shù)據(jù)。

優(yōu)選地，所述若借款人的模型特征值缺少數(shù)據(jù)，則補(bǔ)全該模型特征值的數(shù)據(jù)，包括：