[發(fā)明專利]信用評(píng)分模型的訓(xùn)練方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110107067.5
• 申請(qǐng)日: 2021-01-26
• 公開（公告）號(hào): CN112785420A
• 公開（公告）日: 2021-05-11
• 發(fā)明（設(shè)計(jì)）人: 張琛;梁秀欽;陳嘉真
• 申請(qǐng)（專利權(quán)）人: 上海明略人工智能（集團(tuán)）有限公司
• 主分類號(hào): G06Q40/02
• 分類號(hào): G06Q40/02;G06N20/00
• 代理公司: 北京超成律師事務(wù)所 11646
• 代理人: 孔默

1.一種信用評(píng)分模型的訓(xùn)練方法，其特征在于，包括：

從多個(gè)歷史用戶的原始數(shù)據(jù)中提取所述原始數(shù)據(jù)的第一統(tǒng)計(jì)特征數(shù)據(jù)，所述第一統(tǒng)計(jì)特征數(shù)據(jù)包括：所述原始數(shù)據(jù)所屬的目標(biāo)數(shù)據(jù)類型；

確定所述原始數(shù)據(jù)在所述目標(biāo)數(shù)據(jù)類型下的第二統(tǒng)計(jì)特征數(shù)據(jù)；

根據(jù)所述第一統(tǒng)計(jì)特征數(shù)據(jù)以及所述第二統(tǒng)計(jì)特征數(shù)據(jù)，確定至少一個(gè)待選訓(xùn)練的初始機(jī)器學(xué)習(xí)模型；

采用所述第一統(tǒng)計(jì)特征數(shù)據(jù)以及所述第二統(tǒng)計(jì)特征數(shù)據(jù)，訓(xùn)練所述至少一個(gè)待選訓(xùn)練的初始機(jī)器學(xué)習(xí)模型，得到至少一個(gè)目標(biāo)機(jī)器學(xué)習(xí)模型；

從所述至少一個(gè)目標(biāo)機(jī)器學(xué)習(xí)模型中選擇出目標(biāo)信用評(píng)分模型。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述從多個(gè)歷史用戶的原始數(shù)據(jù)中提取所述原始數(shù)據(jù)的第一統(tǒng)計(jì)特征數(shù)據(jù)，包括：

獲取所述多個(gè)歷史用戶的至少一個(gè)數(shù)據(jù)維度上的原始數(shù)據(jù)；

分別從所述多個(gè)歷史用戶的至少一個(gè)數(shù)據(jù)維度上的原始數(shù)據(jù)中提取所述第一統(tǒng)計(jì)特征數(shù)據(jù)。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述第一統(tǒng)計(jì)特征數(shù)據(jù)還包括：特征覆蓋率、卡方統(tǒng)計(jì)量、互信息以及線性相關(guān)系數(shù)。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述確定所述原始數(shù)據(jù)在所述目標(biāo)數(shù)據(jù)類型下的第二統(tǒng)計(jì)特征數(shù)據(jù)，包括：

若所述目標(biāo)數(shù)據(jù)類型為類別型，則確定所述原始數(shù)據(jù)在所述類別型下的第二統(tǒng)計(jì)特征數(shù)據(jù)，所述類別型下的第二統(tǒng)計(jì)特征數(shù)據(jù)包括：每個(gè)種類的數(shù)量、每個(gè)種類出現(xiàn)的頻次、每個(gè)種類的統(tǒng)計(jì)眾數(shù)。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述確定所述原始數(shù)據(jù)在所述目標(biāo)數(shù)據(jù)類型下的第二統(tǒng)計(jì)特征數(shù)據(jù)，包括：

若所述目標(biāo)數(shù)據(jù)類型為數(shù)值型，則確定所述原始數(shù)據(jù)在所述數(shù)值型下的第二統(tǒng)計(jì)特征數(shù)據(jù)，所述數(shù)值型下的第二統(tǒng)計(jì)特征數(shù)據(jù)包括：最大值、最小值、平均值、中位數(shù)、偏度、峰度、分位數(shù)。

6.根據(jù)權(quán)利要求1-5任一項(xiàng)所述的方法，其特征在于，所述根據(jù)所述第一統(tǒng)計(jì)特征數(shù)據(jù)以及所述第二統(tǒng)計(jì)特征數(shù)據(jù)，確定至少一個(gè)待選訓(xùn)練的初始機(jī)器學(xué)習(xí)模型，包括：

若所述第一統(tǒng)計(jì)特征數(shù)據(jù)或所述第二統(tǒng)計(jì)特征數(shù)據(jù)為二分類數(shù)據(jù)，則將二分類機(jī)器學(xué)習(xí)模型作為所述初始機(jī)器學(xué)習(xí)模型，并將所述第一統(tǒng)計(jì)特征數(shù)據(jù)或所述第二統(tǒng)計(jì)特征數(shù)據(jù)作為二分類機(jī)器學(xué)習(xí)模型的訓(xùn)練數(shù)據(jù)；

若所述第一統(tǒng)計(jì)特征數(shù)據(jù)或所述第二統(tǒng)計(jì)特征數(shù)據(jù)為多值數(shù)據(jù)，則將多分類機(jī)器學(xué)習(xí)模型作為所述初始機(jī)器學(xué)習(xí)模型，并將所述第一統(tǒng)計(jì)特征數(shù)據(jù)或所述第二統(tǒng)計(jì)特征數(shù)據(jù)作為多分類機(jī)器學(xué)習(xí)模型的訓(xùn)練數(shù)據(jù)；

若所述第一統(tǒng)計(jì)特征數(shù)據(jù)或所述第二統(tǒng)計(jì)特征數(shù)據(jù)為連續(xù)數(shù)值數(shù)據(jù)，則將回歸類機(jī)器學(xué)習(xí)模型作為所述初始機(jī)器學(xué)習(xí)模型，并將所述第一統(tǒng)計(jì)特征數(shù)據(jù)或所述第二統(tǒng)計(jì)特征數(shù)據(jù)作為回歸機(jī)器學(xué)習(xí)模型的訓(xùn)練數(shù)據(jù)。

7.根據(jù)權(quán)利要求1-5任一項(xiàng)所述的方法，其特征在于，所述采用所述第一統(tǒng)計(jì)特征數(shù)據(jù)以及所述第二統(tǒng)計(jì)特征數(shù)據(jù)，訓(xùn)練所述至少一個(gè)待選訓(xùn)練的初始機(jī)器學(xué)習(xí)模型，包括：

采用所述第一統(tǒng)計(jì)特征數(shù)據(jù)、所述第二統(tǒng)計(jì)特征數(shù)據(jù)以及多個(gè)歷史用戶的原始數(shù)據(jù)，訓(xùn)練所述至少一個(gè)待選訓(xùn)練的初始機(jī)器學(xué)習(xí)模型。

8.一種信用評(píng)分模型的訓(xùn)練裝置，其特征在于，包括：

提取模塊，用于從多個(gè)歷史用戶的原始數(shù)據(jù)中提取所述原始數(shù)據(jù)的第一統(tǒng)計(jì)特征數(shù)據(jù)，所述第一統(tǒng)計(jì)特征數(shù)據(jù)包括：所述原始數(shù)據(jù)所屬的目標(biāo)數(shù)據(jù)類型；

第一確定模塊，用于確定所述原始數(shù)據(jù)在所述目標(biāo)數(shù)據(jù)類型下的第二統(tǒng)計(jì)特征數(shù)據(jù)；

第二確定模塊，用于根據(jù)所述第一統(tǒng)計(jì)特征數(shù)據(jù)以及所述第二統(tǒng)計(jì)特征數(shù)據(jù)，確定至少一個(gè)待選訓(xùn)練的初始機(jī)器學(xué)習(xí)模型；

訓(xùn)練模塊，用于采用所述第一統(tǒng)計(jì)特征數(shù)據(jù)以及所述第二統(tǒng)計(jì)特征數(shù)據(jù)，訓(xùn)練所述至少一個(gè)待選訓(xùn)練的初始機(jī)器學(xué)習(xí)模型，得到至少一個(gè)目標(biāo)機(jī)器學(xué)習(xí)模型；

選擇模塊，用于從所述至少一個(gè)目標(biāo)機(jī)器學(xué)習(xí)模型中選擇出目標(biāo)信用評(píng)分模型。