[发明专利]信用模型训练方法、信用评分方法、装置及电子设备

权利要求书

1.一种信用模型训练方法，其特征在于，包括：

从样本信用数据中提取原始特征；

根据所述原始特征生成包括多个特征组合的初代特征群，对所述初代特征群进行特征交叉操作及特征突变操作，得到子代特征群；

对所述子代特征群进行迭代，并在每次迭代后，确定得到的特征组合的适应度，根据所述适应度选取特征组合构成新的子代特征群；

当迭代得到的结果满足停止条件时，停止迭代，得到终代特征群；

构建信用模型，根据所述终代特征群及所述样本信用数据更新所述信用模型的参数。

2.根据权利要求1所述的信用模型训练方法，其特征在于，

所述特征交叉操作，包括：

任意选取两个特征组合，根据设定的特征交叉概率对选取的两个特征组合进行特征交叉；

所述特征突变操作包括：

任意选取一个特征组合，根据设定的特征突变概率对选取的特征组合进行特征突变。

3.根据权利要求2所述的信用模型训练方法，其特征在于，

所述根据设定的特征交叉概率对选取的两个特征组合进行特征交叉，包括：

根据设定的子树融合概率对选取的两个特征组合进行子树融合，根据设定的子树替换概率对选取的两个特征组合进行子树替换，其中，所述子树融合概率和所述子树替换概率之和为所述特征交叉概率；

所述根据设定的特征突变概率对选取的特征组合进行特征突变，包括：

根据设定的子树突变概率对选取的特征组合进行子树突变，根据设定的点突变概率对选取的特征组合进行点突变，其中，所述子树突变概率和所述点突变概率之和为所述特征突变概率。

4.根据权利要求1所述的信用模型训练方法，其特征在于，所述对所述子代特征群进行迭代，包括：

在每次迭代中，对所述子代特征群重复执行所述特征交叉操作及所述特征突变操作，直至所述子代特征群中的特征组合的数量满足当前轮次迭代对应的子代数量，且得到的每个特征组合对应二叉树的高度满足设定的高度条件。

5.根据权利要求1所述的信用模型训练方法，其特征在于，所述确定得到的特征组合的适应度，包括：

将所述子代特征群内的特征组合，与所述样本信用数据包括的信用结果之间的线性相关系数确定为适应度；或者，

将所述子代特征群内的特征组合，与所述样本信用数据包括的信用结果之间的非线性相关系数确定为适应度。

6.根据权利要求1所述的信用模型训练方法，其特征在于，所述构建信用模型，根据所述终代特征群及所述样本信用数据更新所述信用模型的参数，包括：

构建基于线性分类器的信用模型，根据所述终代特征群及所述样本信用数据更新所述信用模型的参数；或者，

构建基于非线性分类器的信用模型，根据所述终代特征群及所述样本信用数据更新所述信用模型的参数。

7.根据权利要求1所述的信用模型训练方法，其特征在于，还包括：当第一数量大于第二数量时，根据所述第一数量与所述第二数量之间的比值，调整所述第二数量对应的样本信用数据的权重；

当所述第二数量大于所述第一数量时，根据所述第二数量与所述第一数量之间的比值，调整所述第一数量对应的样本信用数据的权重；

其中，所述第一数量为包括第一信用结果的样本信用数据的数量，所述第二数量为包括第二信用结果的样本信用数据的数量。

8.一种基于权利要求1至7任一项所述的信用模型的信用评分方法，其特征在于，包括：

获取用户信用数据；

根据所述信用模型对所述用户信用数据进行处理，得到相应用户的用户信用评分。