[發明專利]一種基于邏輯回歸與投票式模型集成的評分卡開發方法

在審

• 申請號: 201911304695.1
• 申請日: 2019-12-17
• 公開（公告）號: CN111191889A
• 公開（公告）日: 2020-05-22
• 發明（設計）人: 吉風明;韓傳贊
• 申請（專利權）人: 東方微銀科技（北京）有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06
• 代理公司: 北京風雅頌專利代理有限公司 11403
• 代理人: 鮑勝如

本發明提供一種基于邏輯回歸與投票式模型集成的評分卡開發方法，該方法包括：確定所有待評風險維度；將所述所有待評風險維度劃分為多個待評風險維度子集；根據所述多個待評風險維度子集分別構建與其對應的子集模型；分別對各子集模型進行檢驗，基于檢驗結果篩選得到目標子集模型；基于所有目標子集模型，獲得所有待評風險維度的集成評分結果。通過將所有待評風險維度劃分為多個待評風險維度子集，能夠快速準確的確定所有待評風險維度的得分；且保留了傳統邏輯回歸的因果關系明確、可解釋性強、有明確檢驗標準的優點，同時覆蓋多風險維度，結果更加穩健，集成中納入了更多能夠帶來邊際有用信息的風險因素，評估更加全面。

技術領域

本發明涉及資源分配技術領域，尤其涉及一種基于邏輯回歸與投票式模型集成的評分卡開發方法。

背景技術

現有的資源分配業務，在接收到資源申請方的資源分配請求后，為了確保資源分配的安全性以及提高資源分配的準確性，需要首先對資源申請方進行客觀評價。

發明內容

有鑒于此，本發明的目的在于提出一種基于邏輯回歸與投票式模型集成的評分卡開發方法，以對資源申請方進行客戶評價。

基于上述目的，本發明第一方面提供了一種基于邏輯回歸與投票式模型集成的評分卡開發方法，所述方法包括：

確定所有待評風險維度；

將所述所有待評風險維度劃分為多個待評風險維度子集；

根據所述多個待評風險維度子集分別構建與其對應的子集模型；

分別對各子集模型進行檢驗，基于檢驗結果篩選得到目標子集模型；

基于所有目標子集模型，獲得所有待評風險維度的集成評分結果。

可選地，所述基于所有目標子集模型，獲得所有待評風險維度的集成評分結果，包括：

分別將各待評風險維度分檔，并確定各檔對應的WOE編碼值；

基于各待評風險維度的最大WOE編碼值、最小WOE編碼值及各待評風險維度在各目標子集模型中的β值，確定各待評風險維度在各目標子集模型中的權重；

基于各待評風險維度在各目標子集模型中的權重，確定各待評風險維度在預設評分卡模型中的加權平均系數或算術平均系數；

基于單個待評風險維度各檔對應的WOE編碼值，確定各待評風險維度的評分；

基于各待評風險維度的評分及各待評風險維度的加權平均系數或算術平均系數，獲得所有待評風險維度的集成評分結果。

可選地，所述分別對各子集模型進行檢驗，基于檢驗結果篩選得到目標子集模型，包括：

對所有子集模型分別進行檢驗，獲得檢驗結果；

判斷所述檢驗結果是否大于預設檢驗閾值；

若是，則判定所述檢驗結果對應的子集模型是目標子集模型；

若否，則判定所述檢驗結果對應的子集模型不是目標子集模型。

可選地，所述對所有子集模型分別進行檢驗，獲得檢驗結果，包括：

分別對各子集模型進行模型預測精確度檢驗、柯爾莫可洛夫-斯米洛夫檢驗、擬合優度檢驗和風險維度擬合參數顯著性檢驗，相應的，獲得模型預測精確度檢驗結果、柯爾莫可洛夫-斯米洛夫檢驗結果、擬合優度檢驗結果和風險維度擬合參數顯著性檢驗結果。

可選地，所述確定所有待評風險維度，包括：

接收資源申請方的資源分配請求；