[發明專利]用戶信用評級方法、裝置、計算機設備以及存儲介質

在審

• 申請號: 201811535575.8
• 申請日: 2018-12-14
• 公開（公告）號: CN109767071A
• 公開（公告）日: 2019-05-17
• 發明（設計）人: 馬新俊
• 申請（專利權）人: 深圳壹賬通智能科技有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 王寧

本申請涉及人工智能的分類模型領域，具體涉及一種用戶信用評級方法、裝置、計算機設備和存儲介質。方法包括：過獲取待評級用戶的信用評級數據；并將待評級用戶的信用評級數據輸入獲得的XGBoost?BYS信用分類模型，通過該模型獲得待評級用戶的信用分級結果。而模型的建立過程包括：獲取初始XGBoost模型以及模型初始參數，根據模型初始參數對初始XGBoost模型進行初始化；并通過貝葉斯優化對初始XGBoost模型的初始參數進行優化，獲得XGBoost?BYS信用分類模型。本申請通過貝葉斯優化對模型參數進行優化，可以有效擺脫XGBoost模型的參數依賴性，可以避免了人工參數調整的繁瑣、耗時與隨機性、不穩定性，有利于更高效的對待評級用戶進行信用評級。

技術領域

本申請涉及計算機技術領域，特別是涉及一種用戶信用評級方法、裝置、計算機設備以及存儲介質。

背景技術

個人信用是整個社會信用的基礎。市場主體是由個體組成的，市場交易中所有的經濟活動，與個人信用息息相關。一旦個人行為失之約束，就會發生個人失信行為，進而出現集體失信。因此，個人信用體系建設具有極其重要的意義。個人信用不僅是一個國家市場倫理和道德文化建設的基礎，更是一個國家經濟發展的巨大資源。開拓并利用這種資源，能有效推動消費，優化資源配置，促進經濟發展。市場經濟越發展，個人信用所發揮的功能越重要，個人信用體系的完善與否已成為市場經濟是否成熟的顯著標志之一。

大數據背景下的個人信用評估越來越多的使用網絡行為、消費、社交等數據，該類數據不同于傳統征信信息，使得傳統個人信用風險評估模型和方法無法取得滿意效果。

目前的隨機森林、GBDT、XGBoost等算法具有明顯的分類性能優勢，但存在著參數依賴性的劣勢，使用傳統例如網格搜索等超參數組合調優算法也難以達到理想分類效果。

發明內容

基于此，有必要針對上述技術問題，提供一種參數依賴性低的模型評價方法、裝置、計算機設備以及存儲介質。

一種用戶信用評級方法，所述方法包括：

獲取待評級用戶的信用評級數據；

將所述待評級用戶的信用評級數據輸入XGBoost-BYS信用分類模型，獲得所述待評級用戶的信用分級結果；

所述XGBoost-BYS信用分類模型的獲取過程包括：獲取初始XGBoost模型以及模型初始參數，根據所述模型初始參數對所述初始XGBoost模型進行初始化，所述初始XGBoost模型用于根據信用評級數據對待評級用戶進行信用分級；

通過貝葉斯優化優化所述參數初始化后的初始XGBoost模型的初始參數，獲得XGBoost-BYS信用分類模型。

在其中一個實施例中，所述建立初始XGBoost模型并設置模型初始參數具體包括：

獲取以分類準確率作為適應度函數的初始XGBoost模型以及模型初始參數，根據所述模型初始參數對所述初始XGBoost模型進行初始化。

在其中一個實施例中，所述通過貝葉斯優化優化所述初始XGBoost模型的初始參數，獲得XGBoost-BYS信用分類模型具體包括：

獲取初始XGBoost模型，根據貝葉斯優化算法對所述初始XGBoost模型的預設初始參數進行參數調整；

獲得每次參數調整后所述初始XGBoost模型對應的多組value值；

獲取所述多組value值中最高的value值對應的參數值，將最高的value值對應的參數值作為目標參數值；

根據所述目標參數值設置XGBoost模型中參數，獲得XGBoost-BYS信用分類模型。