[發(fā)明專利]基于集成學(xué)習(xí)的互聯(lián)網(wǎng)金融風(fēng)控預(yù)測方法

在審

• 申請?zhí)枺?/td>: 202210287645.2
• 申請日: 2022-03-22
• 公開（公告）號: CN114580782A
• 公開（公告）日: 2022-06-03
• 發(fā)明（設(shè)計）人: 岳鈞;李開恒;王正寧;周釗聿;周樂瑤
• 申請（專利權(quán)）人: 四川省自然資源科學(xué)研究院（四川省生產(chǎn)力促進(jìn)中心）
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q40/02;G06Q40/04;G06K9/62
• 代理公司: 北京天奇智新知識產(chǎn)權(quán)代理有限公司 11340
• 代理人: 許馳

本發(fā)明公開了基于集成學(xué)習(xí)的互聯(lián)網(wǎng)金融風(fēng)控預(yù)測方法，涉及金融風(fēng)控領(lǐng)域，包括S1構(gòu)建預(yù)測模型；S2獲取數(shù)據(jù)集，并進(jìn)行數(shù)據(jù)處理；S3處理后的數(shù)據(jù)集導(dǎo)入預(yù)測模型對其進(jìn)行優(yōu)化訓(xùn)練，獲得最優(yōu)預(yù)測模型；S4待預(yù)測數(shù)據(jù)導(dǎo)入到最優(yōu)預(yù)測模型獲得風(fēng)控預(yù)測結(jié)果；搭建一種經(jīng)過優(yōu)化的Bagging集成學(xué)習(xí)框架，該框架通過隨機(jī)分配每個基礎(chǔ)模型的訓(xùn)練數(shù)據(jù)進(jìn)行訓(xùn)練，再通過每個基礎(chǔ)模型的AUC為依據(jù)加權(quán)融合，得到最終的結(jié)果；并集合一種經(jīng)過優(yōu)化的Stacking集成學(xué)習(xí)框架，該框架分為兩層，第一層模型為多個基礎(chǔ)模型對初始數(shù)據(jù)集訓(xùn)練后進(jìn)行預(yù)測，第一層模型的預(yù)測結(jié)果最為第二層模型的訓(xùn)練數(shù)據(jù)，第二層模型為單一模型將第一層模型的預(yù)測結(jié)果進(jìn)行集成后輸出最終結(jié)果。

技術(shù)領(lǐng)域

本發(fā)明涉及金融風(fēng)控領(lǐng)域，尤其涉及一種基于集成學(xué)習(xí)的互聯(lián)網(wǎng)金融風(fēng)控 預(yù)測方法。

背景技術(shù)

通過對借貸用戶在網(wǎng)購、交易、社交等多方平臺的信譽(yù)及行為數(shù)據(jù)進(jìn)行深 入挖掘和分析，對其在各個平臺、場景下產(chǎn)生的數(shù)據(jù)進(jìn)行歸類、匯總，以大數(shù) 據(jù)時代為背景，以機(jī)器學(xué)習(xí)方法為手段建立用戶違約預(yù)測模型，將用戶的有效 信息轉(zhuǎn)化為用戶的違約概率，更好的把控用戶和平臺發(fā)生借貸交易的風(fēng)險。

目前現(xiàn)有的解決方法，包括評分卡模型以及傳統(tǒng)的LR、SVM和RF算法對 于違約用戶的識別能力不強(qiáng)。

發(fā)明內(nèi)容

本發(fā)明的目的就在于為了解決上述問題設(shè)計了一種基于集成學(xué)習(xí)的互聯(lián)網(wǎng) 金融風(fēng)控預(yù)測方法。

本發(fā)明通過以下技術(shù)方案來實(shí)現(xiàn)上述目的：

基于集成學(xué)習(xí)的互聯(lián)網(wǎng)金融風(fēng)控預(yù)測方法，包括：

S1、構(gòu)建預(yù)測模型，預(yù)測模型包括第一層模型和第二層模型，第一層模型 包括至少兩個基礎(chǔ)模型，第二層模型包括一個基礎(chǔ)模型，第一層模型的輸出作 為第二層模型的輸入；

S2、獲取數(shù)據(jù)集，并對數(shù)據(jù)集進(jìn)行數(shù)據(jù)處理；

S3、處理后的數(shù)據(jù)集導(dǎo)入預(yù)測模型對其進(jìn)行優(yōu)化訓(xùn)練，獲得最優(yōu)預(yù)測模型；

S4、待預(yù)測數(shù)據(jù)導(dǎo)入到最優(yōu)預(yù)測模型獲得風(fēng)控預(yù)測結(jié)果。

本發(fā)明的有益效果在于：針對互聯(lián)網(wǎng)金融風(fēng)控場景搭建一種經(jīng)過優(yōu)化的 Bagging集成學(xué)習(xí)框架，該框架通過隨機(jī)分配每個基礎(chǔ)模型的訓(xùn)練數(shù)據(jù)進(jìn)行訓(xùn)練， 再通過每個基礎(chǔ)模型的AUC為依據(jù)加權(quán)融合，得到最終的結(jié)果；

針對互聯(lián)網(wǎng)金融風(fēng)控場景搭建一種經(jīng)過優(yōu)化的Stacking集成學(xué)習(xí)框架，該 框架分為兩層，第一層模型為多個基礎(chǔ)模型對初始數(shù)據(jù)集訓(xùn)練后進(jìn)行預(yù)測，第 一層模型的預(yù)測結(jié)果最為第二層模型的訓(xùn)練數(shù)據(jù)，第二層模型為單一模型將第 一層模型的預(yù)測結(jié)果進(jìn)行集成后輸出最終結(jié)果。

附圖說明

圖1是本發(fā)明基于集成學(xué)習(xí)的互聯(lián)網(wǎng)金融風(fēng)控預(yù)測方法的流程示意圖。

具體實(shí)施方式

為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明 實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述。顯然， 所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。通常在此處附 圖中描述和示出的本發(fā)明實(shí)施例的組件可以以各種不同的配置來布置和設(shè)計。

因此，以下對在附圖中提供的本發(fā)明的實(shí)施例的詳細(xì)描述并非旨在限制要 求保護(hù)的本發(fā)明的范圍，而是僅僅表示本發(fā)明的選定實(shí)施例。基于本發(fā)明中的 實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他 實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

應(yīng)注意到：相似的標(biāo)號和字母在下面的附圖中表示類似項(xiàng)，因此，一旦某 一項(xiàng)在一個附圖中被定義，則在隨后的附圖中不需要對其進(jìn)行進(jìn)一步定義和解 釋。