[發明專利]一種基于超參數優化的信用評分方法

在審

• 申請號: 201910347744.3
• 申請日: 2019-04-28
• 公開（公告）號: CN110163743A
• 公開（公告）日: 2019-08-23
• 發明（設計）人: 郭銳;張祥;趙熙
• 申請（專利權）人: 鈦镕智能科技（蘇州）有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02
• 代理公司: 南京禾易知識產權代理有限公司 32320
• 代理人: 張松云

本發明涉及基于超參數優化的信用評分方法，步驟包括：S1，收集評分主體信息數據并對數據預處理和特征選擇，制作訓練數據集和測試數據集；S2，建立信用評分模型，選取XGBoost算法建模，并采用高斯過程結合貝葉斯對算法的超參數優化；S3，選取最優超參數組固定XGBoost算法，使用訓練數據集訓練信用評分模型；S4，采用測試數據集對信用評分模型預測和評估，通過公式score＝A?B*ln(p/(1?p))，計算信用評分。本發明在超參數優化時，在無法確定目標函數曲線時，通過猜想假設，認定目標函數滿足多變量的高斯分布并對假設評估模型進一步修正的過程，提升超參數優化的效率和可靠性，加快模型生成效率，有利于企業模型更替效率，提升風險控制能力。

技術領域

本發明涉及計算機信用評分技術領域，尤其涉及一種基于超參數優化的信用評分方法。

背景技術

隨著互聯網信貸行業的飛速發展，風險問題也不斷涌現。通過模型來控制風險問題已成 為眾多企業首選方案，使用模型進行信用評估可以大大提高審批效率，節約人力成本。

在建模過程中，模型超參數調整需要消耗大量時間，通常參數優化的方法有網絡搜索法 和隨機搜索法。網絡搜索法無法適用于連續性參數，一旦參數組合規模加大，在遍歷過程中 會成指數級增長，耗費大量時間，隨機搜索不能利用先驗知識用于下一組超參數的選擇。

發明內容

本發明的目的在于提供一種基于超參數優化的信用評分方法，旨在解決建模過程中調整 模型超參數需要消耗大量時間的問題。

為實現上述目的，本發明的技術方案如下：

一種基于超參數優化的信用評分方法，包括如下步驟：

S1，收集評分主體信息數據并對數據預處理和特征選擇，制作訓練數據集和測試數據集；

S2，選取XGBoost算法建模，假定評價函數為高斯過程函數，采用EI優化標準，選擇最優超參數組；

S3，選用最優超參數組和訓練數據集訓練信用評分模型；

S4，采用測試數據集對信用評分模型預測和評估，通過公式score＝A-B*ln(p/(1-p))， 計算信用評分，其中，p為模型預測概率，A、B為常數。

步驟一中，評分主體信息數據包括申請信息、運營商數據、銀聯畫像、第三方征信，數 據預處理包括脫敏處理和WOE編碼，制作訓練數據集和測試數據集。

假設評價函數為其中，y為輸出值，f為高斯過程函數，N為高斯 分布，f(cx)為先驗概率模型，為方差；對于一組數據點x_1:n＝{x₁,…,x_n}，假定評價函數的 值f_1:n＝{f(x₁),…,f(x_n)}采用高斯分布描述，f_1:n～N(m(x_1:n),k)，x_n為第n組輸入向量，x_1:n為 第1組到第n組的輸入向量矩陣，f(x_n)為x_n對應評價函數值，f_1:n為x₁到x_n對應的評價函數 值的集合。

根據公式其中，Φ(Z)為累計分布函數，φ(z)為概率分布函數，為超參數高斯過 程函數值，f(x)為高斯過程函數值，E為期望函數，_μ(x)為高斯過程函數x均值，σ(x)為高斯過程函數x均方差，采用EI優化過程為，給定評價函數輸入值x，使用高斯過程函數更新假設評價函數的后驗期望估計，通過最大化EI得到新的輸入值x，通過新的輸入值x重新計算假設評價函數的y的輸出值，重復固定的迭代次數，直至收斂。