[發(fā)明專利]一種風(fēng)險(xiǎn)評(píng)估方法及裝置

在審

• 申請?zhí)枺?/td>: 202010093501.4
• 申請日: 2020-02-14
• 公開（公告）號(hào): CN111353689A
• 公開（公告）日: 2020-06-30
• 發(fā)明（設(shè)計(jì)）人: 梅止觀;賀歐文;李詩詩
• 申請（專利權(quán)）人: 北京貝殼時(shí)代網(wǎng)絡(luò)科技有限公司
• 主分類號(hào): G06Q10/06
• 分類號(hào): G06Q10/06;G06K9/62;G06N20/00
• 代理公司: 北京路浩知識(shí)產(chǎn)權(quán)代理有限公司 11002
• 代理人: 馬瑞

1.一種風(fēng)險(xiǎn)評(píng)估方法，其特征在于，包括：

獲取待預(yù)測用戶所對應(yīng)的特征數(shù)據(jù)；

將所述特征數(shù)據(jù)輸入至評(píng)分卡模型中，得到所述評(píng)分卡模型輸出的風(fēng)險(xiǎn)預(yù)測結(jié)果；

其中，所述評(píng)分卡模型預(yù)先以樣本用戶所對應(yīng)的樣本特征數(shù)據(jù)為訓(xùn)練樣本，以樣本特征數(shù)據(jù)所對應(yīng)的標(biāo)簽數(shù)據(jù)為目標(biāo)值訓(xùn)練得到，且所述標(biāo)簽數(shù)據(jù)已預(yù)先通過預(yù)設(shè)切分點(diǎn)進(jìn)行二分類切分。

2.根據(jù)權(quán)利要求1所述的風(fēng)險(xiǎn)評(píng)估方法，其特征在于，所述將所述特征數(shù)據(jù)輸入至評(píng)分卡模型中，得到所述評(píng)分卡模型輸出的風(fēng)險(xiǎn)預(yù)測結(jié)果之前，還包括：

獲取樣本用戶所對應(yīng)的樣本特征數(shù)據(jù)和真實(shí)風(fēng)險(xiǎn)值；

當(dāng)所述樣本特征數(shù)據(jù)的缺失率大于預(yù)設(shè)缺失閾值時(shí)，通過與所述樣本特征數(shù)據(jù)的數(shù)據(jù)類型相對應(yīng)的機(jī)器學(xué)習(xí)模型對所述樣本特征數(shù)據(jù)進(jìn)行填充，得到填充后數(shù)據(jù)，所述填充后數(shù)據(jù)包括填充后特征數(shù)據(jù)和所述樣本特征數(shù)據(jù)所對應(yīng)的標(biāo)簽數(shù)據(jù)；

通過所述填充后數(shù)據(jù)對預(yù)設(shè)二分類模型進(jìn)行訓(xùn)練，得到訓(xùn)練后模型；

通過所述樣本特征數(shù)據(jù)和所述真實(shí)風(fēng)險(xiǎn)值對所述訓(xùn)練后模型進(jìn)行準(zhǔn)確度測試，并當(dāng)所述訓(xùn)練后模型的準(zhǔn)確度大于預(yù)設(shè)準(zhǔn)確度閾值時(shí)，將所述訓(xùn)練后模型確定為所述評(píng)分卡模型。

3.根據(jù)權(quán)利要求2所述的風(fēng)險(xiǎn)評(píng)估方法，其特征在于，所述通過與所述樣本特征數(shù)據(jù)的數(shù)據(jù)類型相對應(yīng)的機(jī)器學(xué)習(xí)模型對所述樣本特征數(shù)據(jù)進(jìn)行填充，得到填充后數(shù)據(jù)，包括：

當(dāng)所述樣本特征數(shù)據(jù)的數(shù)據(jù)類型為連續(xù)型時(shí)，通過線性模型對所述樣本特征數(shù)據(jù)進(jìn)行填充，得到填充后數(shù)據(jù)；

當(dāng)所述樣本特征數(shù)據(jù)的數(shù)據(jù)類型為二分類型時(shí)，通過邏輯回歸模型對所述樣本特征數(shù)據(jù)進(jìn)行填充，得到填充后數(shù)據(jù)；

當(dāng)所述樣本特征數(shù)據(jù)的數(shù)據(jù)類型為無序多分類型時(shí)，通過Softmax模型對所述樣本特征數(shù)據(jù)進(jìn)行填充，得到填充后數(shù)據(jù)；

當(dāng)所述樣本特征數(shù)據(jù)的數(shù)據(jù)類型為有序多分類型時(shí)，通過有序多分類模型對所述樣本特征數(shù)據(jù)進(jìn)行填充，得到填充后數(shù)據(jù)。

4.根據(jù)權(quán)利要求2所述的風(fēng)險(xiǎn)評(píng)估方法，其特征在于，所述通過與所述樣本特征數(shù)據(jù)的數(shù)據(jù)類型相對應(yīng)的機(jī)器學(xué)習(xí)模型對所述樣本特征數(shù)據(jù)進(jìn)行填充，得到填充后數(shù)據(jù)，包括：

獲取所述樣本特征數(shù)據(jù)中缺失率由低到高的數(shù)據(jù)位置排列順序；

按照所述缺失率由低到高的數(shù)據(jù)位置排列順序，依次對缺失數(shù)據(jù)進(jìn)行填充，得到填充后數(shù)據(jù)。

5.根據(jù)權(quán)利要求2所述的風(fēng)險(xiǎn)評(píng)估方法，其特征在于，所述通過所述填充后數(shù)據(jù)對預(yù)設(shè)二分類模型進(jìn)行訓(xùn)練，得到訓(xùn)練后模型，包括：

通過預(yù)設(shè)切分點(diǎn)對所述標(biāo)簽數(shù)據(jù)進(jìn)行切分，并對分屬于預(yù)設(shè)切分點(diǎn)兩側(cè)的標(biāo)簽數(shù)據(jù)分別進(jìn)行二分類標(biāo)記；

通過所述填充后特征數(shù)據(jù)和進(jìn)行二分類標(biāo)記后的標(biāo)簽數(shù)據(jù)對所述預(yù)設(shè)二分類模型進(jìn)行訓(xùn)練，得到訓(xùn)練后數(shù)據(jù)。

6.根據(jù)權(quán)利要求5所述的風(fēng)險(xiǎn)評(píng)估方法，其特征在于，當(dāng)所述標(biāo)簽數(shù)據(jù)的數(shù)據(jù)類型為連續(xù)型時(shí)，所述通過預(yù)設(shè)切分點(diǎn)對所述標(biāo)簽數(shù)據(jù)進(jìn)行切分之前，還包括：

通過反向映射，將所述標(biāo)簽數(shù)據(jù)轉(zhuǎn)換為sigmoid曲線；

根據(jù)所述sigmoid曲線，確定所述標(biāo)簽數(shù)據(jù)所對應(yīng)的切分點(diǎn)，并將所確定的切分點(diǎn)確定為預(yù)設(shè)切分點(diǎn)。

7.一種風(fēng)險(xiǎn)評(píng)估裝置，其特征在于，包括：

第一獲取模塊，用于獲取待預(yù)測用戶所對應(yīng)的特征數(shù)據(jù)；

第二獲取模塊，用于將所述特征數(shù)據(jù)輸入至評(píng)分卡模型中，得到所述評(píng)分卡模型輸出的風(fēng)險(xiǎn)預(yù)測結(jié)果；

其中，所述評(píng)分卡模型預(yù)先以樣本用戶所對應(yīng)的樣本特征數(shù)據(jù)為訓(xùn)練樣本，以樣本特征數(shù)據(jù)所對應(yīng)的標(biāo)簽數(shù)據(jù)為目標(biāo)值訓(xùn)練得到，且所述標(biāo)簽數(shù)據(jù)已預(yù)先通過預(yù)設(shè)切分點(diǎn)進(jìn)行二分類切分。