[发明专利]一种借贷预测模型的训练方法、借贷预测方法和装置

说明书

本申请提供了一种借贷预测模型的训练方法、借贷预测模型和装置，该方法包括：基于获取的多个用户的历史借贷数据，确定借贷属性特征以及借贷行为特征；将所述借贷属性特征作为自变量，将所述借贷行为特征作为因变量，构建至少两个预设模型并进行训练；基于所述至少两个预设模型得到的预测结果，采用预设模型融合方法对所述至少两个预设模型进行融合处理，得到借贷预测模型。

技术领域

本申请涉及数据分析技术领域，具体而言，涉及一种借贷预测模型的训练方法、借贷预测方法和装置。

背景技术

目前，各大购物、金融、互联网金融等平台均提供了借贷功能，以便用户在资金不足时可以购买自己感兴趣的物品。在用户需要进行借贷时，各大平台会依据用户的个人基本信息、学历信息、社交信息、工作信息、历史借贷信息等多个维度进行个人借款的偿还能力评估，也就是，个人信用评分，根据信用评分确定是否借贷以及借贷额度。为了拓展金融业务，各大平台也会基于用户的数据对用户未来是否进行借贷进行预测，但是，现有的预测模型相对单一，预测的准确度不高，不利于各大平台开展业务拓展工作。

发明内容

有鉴于此，本申请的目的在于提供一种借贷预测模型训练方法、借贷预测方法和装置，用于解决现有技术中预测用户的借贷准确度较低的问题。

第一方面，本申请实施例提供了一种借贷预测模型的训练方法，该方法包括：

基于获取的多个用户的历史借贷数据，确定借贷属性特征以及借贷行为特征；

将所述借贷属性特征作为自变量，将所述借贷行为特征作为因变量，构建至少两个预设模型并进行训练；

基于所述至少两个预设模型得到的预测结果，采用预设模型融合方法对所述至少两个预设模型进行融合处理，得到借贷预测模型。

可选地，基于所述至少两个预设模型得到的预测结果，采用预设模型融合方法对所述至少两个预设模型进行融合处理，具体包括：

将所述至少两个预设模型的预测结果作为自变量，将借贷行为特征作为因变量，构建融合模型并进行训练。

可选地，将所述借贷属性特征作为自变量，将所述借贷行为特征作为因变量，构建至少两个预设模型并进行训练，具体包括：

基于获取的多个用户的历史借贷数据，确定每个用户对应借贷属性特征的特征值，以及对应借贷行为特征的特征值；

确定至少两个预设模型；并

针对每个预设模型，将每个用户对应借贷属性特征的特征值作为自变量的值，将对应借贷行为特征的特征值作为因变量的值，对该预设模型进行训练，得到完成训练的至少两个预设模型。

可选地，所述至少两个预设模型包括：神经网络预测模型；

针对每个预设模型，将每个用户对应借贷属性特征的特征值作为自变量的值，将对应借贷行为特征的特征值作为因变量的值，对该预设模型进行训练，具体包括：

针对多个神经网络模型，分别执行如下训练操作，其中，多个神经网络具有不同的神经网络层数：

将每个用户对应借贷属性特征的特征值作为自变量的值，将对应借贷行为特征的特征值作为因变量的值，对当前神经网络模型进行训练，得到当前神经网络模型参数，以及用于衡量模型预测准确性的预设指标的指标值；

将表征预测准确性最高的指标值对应的神经网络模型作为最终确定的神经网络预测模型。

可选地，所述多个用户的历史借贷数据包括所述多个用户的第一历史时间段的历史借贷数据，和所述多个用户的第二历史时间段的历史借贷数据，且第一历史时间段早于第二历史时间段；

基于获取的多个用户的历史借贷数据，确定每个用户对应借贷属性特征的特征值，以及对应借贷行为特征的特征值，具体包括：