[發(fā)明專利]基于過采樣與隨機森林的不平衡信貸用戶分類方法

在審

• 申請?zhí)枺?/td>: 202011344142.1
• 申請日: 2020-11-25
• 公開（公告）號: CN112419045A
• 公開（公告）日: 2021-02-26
• 發(fā)明（設(shè)計）人: 陶硯蘊;黃銳;岳國旗;吳澄
• 申請（專利權(quán)）人: 蘇州大學(xué)
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06K9/62
• 代理公司: 蘇州市中南偉業(yè)知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 32257
• 代理人: 郭磊

1.一種基于過采樣與隨機森林的不平衡信貸用戶分類方法，其特征在于，包括：

步驟一：在數(shù)據(jù)清洗階段，首先進(jìn)行了探索性數(shù)據(jù)分析，對數(shù)據(jù)集中的缺值進(jìn)行處理，并對數(shù)據(jù)集進(jìn)行特征工程；

步驟二：在數(shù)據(jù)變換階段，采用過采樣的SMOTE方法進(jìn)行了處理，使訓(xùn)練集中違約用戶和還清用戶的數(shù)目接近一致,對離散型變量進(jìn)行獨熱編碼或標(biāo)簽編碼；

步驟三：在模型訓(xùn)練階段，劃分訓(xùn)練集和測試集，建立隨機森林模型進(jìn)行模型訓(xùn)練，并進(jìn)行參數(shù)調(diào)節(jié)，給出最優(yōu)參數(shù)；

步驟四：用該所述隨機森林模型模型對測試集的用戶進(jìn)行預(yù)測，并給出借款人貸前特征的重要性排序。

2.如權(quán)利要求1所述的基于過采樣與隨機森林的不平衡信貸用戶分類方法，其特征在于，所述數(shù)據(jù)集是Lending Club公開的2007-2018借貸數(shù)據(jù)集；該數(shù)據(jù)集共2260668個數(shù)據(jù)項，145個字段，標(biāo)簽項是loan_status，表示貸款狀態(tài)，共有9種取值；對于貸款用戶貸前分類，只需要保留其中的2種取值，即Fully Paid和Charged Off。

3.如權(quán)利要求1所述的基于過采樣與隨機森林的不平衡信貸用戶分類方法，其特征在于，“對數(shù)據(jù)集中的缺值進(jìn)行處理”，具體包括：字段缺失超過70％則刪除該字段；字段缺失少于5％則刪除含有缺值的數(shù)據(jù)項；對于連續(xù)型字段，采用中位數(shù)或平均數(shù)進(jìn)行填充；對于離散型字段，采用眾數(shù)進(jìn)行填充。

4.如權(quán)利要求1所述的基于過采樣與隨機森林的不平衡信貸用戶分類方法，其特征在于，“數(shù)據(jù)集進(jìn)行特征工程”中，若變量的缺失率大于0.9或iv值小于0.05或相關(guān)性高于0.7時，該變量將被刪除。

5.如權(quán)利要求1所述的基于過采樣與隨機森林的不平衡信貸用戶分類方法，其特征在于，“對數(shù)據(jù)集中的缺值進(jìn)行處理”和“對數(shù)據(jù)集進(jìn)行特征工程”之間還包括對數(shù)據(jù)集進(jìn)行業(yè)務(wù)理解，所述數(shù)據(jù)集進(jìn)行業(yè)務(wù)理解具體包括：對數(shù)據(jù)集中所有特征進(jìn)行理解，對數(shù)據(jù)進(jìn)行進(jìn)一步清洗；刪除類別較多的離散型字段，防止獨熱編碼后特征空間過大；甄別貸后變量并刪除，防止標(biāo)簽泄露。

6.如權(quán)利要求1所述的基于過采樣與隨機森林的不平衡信貸用戶分類方法，其特征在于，“對離散型變量進(jìn)行獨熱編碼或標(biāo)簽編碼；”具體包括：如果字段類別少于2個，采用標(biāo)簽編碼進(jìn)行編碼；其余情況采用獨熱編碼，將離散型字段轉(zhuǎn)換為連續(xù)性字段。

7.如權(quán)利要求1所述的基于過采樣與隨機森林的不平衡信貸用戶分類方法，其特征在于，步驟三中，利用隨機搜索法得到所述隨機森林模型在所述數(shù)據(jù)集上的最優(yōu)參數(shù)。

8.一種計算機設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執(zhí)行所述程序時實現(xiàn)權(quán)利要求1到7任一項所述方法的步驟。

9.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，該程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1到7任一項所述方法的步驟。

10.一種處理器，其特征在于，所述處理器用于運行程序，其中，所述程序運行時執(zhí)行權(quán)利要求1到7任一項所述的方法。