[發(fā)明專利]一種風(fēng)控信貸模型的建模方法和平臺(tái)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010559365.3
• 申請(qǐng)日: 2020-06-18
• 公開（公告）號(hào): CN111695989A
• 公開（公告）日: 2020-09-22
• 發(fā)明（設(shè)計(jì)）人: 楊凱越
• 申請(qǐng)（專利權(quán)）人: 新分享科技服務(wù)（深圳）有限公司
• 主分類號(hào): G06Q40/02
• 分類號(hào): G06Q40/02;G06F8/20;G06F8/30;G06F8/76;G06N20/20
• 代理公司: 北京中政聯(lián)科專利代理事務(wù)所(普通合伙) 11489
• 代理人: 鄭久興

1.一種風(fēng)控信貸模型的建模方法，其特征在于，包括：

獲取用戶基本信用信息和對(duì)應(yīng)用戶的風(fēng)控評(píng)分；

基于所述用戶基本信用信息和所述對(duì)應(yīng)用戶的風(fēng)控評(píng)分對(duì)待測(cè)試模型進(jìn)行訓(xùn)練，得到待選模型；

對(duì)所述待選模型進(jìn)行篩選，得到預(yù)測(cè)準(zhǔn)確率最高的模型。

2.根據(jù)權(quán)利要求1所述的建模方法，其特征在于，還包括：

基于python語言繼承現(xiàn)有模型；

對(duì)所述繼承的模型進(jìn)行重寫，得到所述待測(cè)試模型。

3.根據(jù)權(quán)利要求1所述的建模方法，其特征在于，所述用戶基本信用信息包括：姓名、性別、年齡、學(xué)歷、收入和逾期記錄中的一種或多種。

4.根據(jù)權(quán)利要求1所述的建模方法，其特征在于，所述基于所述用戶基本信用信息和所述對(duì)應(yīng)用戶的風(fēng)控評(píng)分對(duì)待測(cè)試模型進(jìn)行訓(xùn)練，得到待選模型，包括：

基于所述用戶基本信用信息和所述對(duì)應(yīng)用戶的風(fēng)控評(píng)分對(duì)所述待測(cè)試模型進(jìn)行預(yù)處理，得到標(biāo)準(zhǔn)化的模型；

對(duì)所述標(biāo)準(zhǔn)化的模型進(jìn)行訓(xùn)練得到所述待選模型。

5.根據(jù)權(quán)利要求4所述的建模方法，其特征在于，所述基于所述用戶基本信用信息和所述對(duì)應(yīng)用戶的風(fēng)控評(píng)分對(duì)待測(cè)試模型進(jìn)行預(yù)處理，得到標(biāo)準(zhǔn)化的模型；

對(duì)所述標(biāo)準(zhǔn)化的模型進(jìn)行訓(xùn)練得到所述待選模型，包括：

其中，(1-1)式表達(dá)的是一個(gè)給定(x,y)的數(shù)據(jù)集，所述用戶基本信用信息為x，所述對(duì)應(yīng)用戶的風(fēng)控評(píng)分為y，其中符號(hào)m代表的是數(shù)據(jù)集大小，下標(biāo)i代表該數(shù)據(jù)集的第i個(gè)數(shù)據(jù)；

(1-2)式表達(dá)的是模型管道是一個(gè)執(zhí)行輸入為x，可訓(xùn)練參數(shù)為Θ，超參數(shù)為H的函數(shù)f，其輸出結(jié)果為代表對(duì)y的預(yù)測(cè)；

(1-3)式表達(dá)的是一個(gè)模型管道包含了k個(gè)模塊，其中第j個(gè)模塊可訓(xùn)練的參數(shù)用θ_j表達(dá)，不可訓(xùn)練的超參數(shù)用h_j表示；

(1-4)式表達(dá)了訓(xùn)練模型的目的，J(D，Θ，H)表示的是數(shù)據(jù)集為D、可變系數(shù)為Θ以及超參數(shù)為H的代價(jià)函數(shù)J，訓(xùn)練模型的目的就是找到Θ^*，使得該條件下的代價(jià)函數(shù)J最小化。

6.根據(jù)權(quán)利要求5所述的建模方法，其特征在于，得到Θ^*的步驟為：

公式(1-5)表示將的計(jì)算過程分為前個(gè)模塊處理完成后交付下個(gè)模塊處理的循環(huán)過程；

(1-6)為(1-5)的分步形式，如此一來則主要受到最后一個(gè)模塊k的f(a_k-1，θ_k，h_k)影響，則

式(1-7)表示訓(xùn)練目的公式(1-4)的簡(jiǎn)化形式，第k個(gè)模塊為所述待選模型，第1個(gè)模塊至第k-1個(gè)模塊為預(yù)處理過程，所述第k-1個(gè)模塊為所述標(biāo)準(zhǔn)化的模型。

7.根據(jù)權(quán)利要求4所述的建模方法，其特征在于，基于所述用戶基本信用信息和所述對(duì)應(yīng)用戶的風(fēng)控評(píng)分對(duì)待測(cè)試模型進(jìn)行預(yù)處理，得到標(biāo)準(zhǔn)化的模型，包括：

基于所述待測(cè)試模型的序變量進(jìn)行連續(xù)變量標(biāo)準(zhǔn)化處理。

8.根據(jù)權(quán)利要求7所述的建模方法，其特征在于，所述基于所述待測(cè)試模型的序變量進(jìn)行連續(xù)變量標(biāo)準(zhǔn)化處理，包括：

任意第i個(gè)樣本的x_i為一組向量，由d個(gè)特征值組成，這d個(gè)特征又分為nd個(gè)序變量xN_i，和c個(gè)類別變量xC_i。

9.根據(jù)權(quán)利要求4所述的建模方法，其特征在于，基于所述用戶基本信用信息和所述對(duì)應(yīng)用戶的風(fēng)控評(píng)分對(duì)待測(cè)試模型進(jìn)行預(yù)處理，得到標(biāo)準(zhǔn)化的模型，包括：

基于所述待測(cè)試模型的序變量進(jìn)行特征離散化處理。