[发明专利]一种非法集资风险预测模型的训练方法、装置及设备

权利要求书

1.一种非法集资风险预测模型的训练方法，其特征在于，包括：

获取与企业集资风险相关的训练数据集；其中，所述训练数据集中包括有标签样本和无标签样本；所述有标签样本的标签根据是否存在非法集资风险确定；

计算所述训练数据集中每个样本的局部密度值和聚类隶属度；

根据每个样本的局部密度和聚类隶属度以及预设分类器的判别函数，构造点态流形正则化约束项；其中，所述点态流形正则化约束项用于约束每个样本与其近邻样本之间的关系；

基于所述点态流形正则化约束项，确定所述预设分类器的损失函数；

基于所述训练数据集和所述损失函数对所述预设分类器进行训练，获得非法集资风险预测模型。

2.根据权利要求1所述的方法，其特征在于，所述获取与企业非法集资风险相关的训练数据集前，包括：

获取与企业集资风险相关的特征数据；其中，所述特征数据中包括有标签特征数据和无标签特征数据；

对所述特征数据进行预处理，获得与企业集资风险相关的训练数据集；其中，所述预处理包括缺失值处理、特征工程处理。

3.根据权利要求1所述的方法，其特征在于，所述计算所述训练数据集中每个样本的局部密度值和聚类隶属度，包括：

确定第一样本的近邻样本集；

计算所述第一样本与对应近邻样本集中每个样本的距离之和，获得所述第一样本的近邻距离和；

根据所述第一样本的近邻距离和，确定所述训练数据集中所有样本的近邻距离总和；

基于所述第一样本的近邻距离和和所有样本的近邻距离总和，确定所述第一样本的局部密度值；

对所述训练数据集中样本进行聚类，获得第一类聚簇和第二类聚簇；

计算所述第一样本属于所述第一类聚簇的第一概率和属于所述第二类聚簇的第二概率；

将所述第一概率和所述第二概率中最大值作为所述第一样本的聚类隶属度。

4.根据权利要求3所述的方法，其特征在于，按照以下公式确定所述第一样本的局部密度值：

其中，d(x_i)表示样本x_i的局部密度值，N(x_i)表示样本x_i的近邻样本集，x_j表示样本x_i的近邻样本集中一个样本，d(x_i,x_j)表示样本x_i与样本x_j之间的距离，N(x_s)表示样本x_s的近邻样本集，x_t表示样本x_s的近邻样本集中一个样本，d(x_s,x_t)表示样本x_s与样本x_t之间的距离，n表示样本总数，s表示序号。

5.根据权利要求1所述的方法，其特征在于，所述根据每个样本的局部密度和聚类隶属度以及预设分类器的判别函数，构造点态流形正则化约束项，包括：

根据每个样本的局部密度和聚类隶属度，获得每个样本的样本权重；

基于所有样本的样本权重和预设分类器的判别函数，构造点态流形正则化约束项。