[发明专利]一种风险预测方法、装置及计算机设备

说明书

本发明提供了一种风险预测方法、装置及计算机设备，该方法包括：获取目标对象的待测信息数据和外部影响因素信息，并基于预设标准数据及所述待测信息数据进行特征预处理，获得特征预处理数据，所述预设标准数据为已知贫困对象的信息数据；基于所述特征预处理数据及预设的数据分析模型得到输出数据，所述输出数据为基于所述数据分析模型得到的所述特征预处理数据的排名结果信息，所述预设的数据分析模型为基于样本数据和所述外部影响因素训练生成的；基于所述输出数据与所述预设标准数据综合分析所述目标对象的风险，得到分析结果。通过构建数据模型对特征预处理数据进行排名，判断风险，大大提高了风险预测的准确性。

技术领域

本发明涉及数据分析技术领域，具体涉及一种风险预测方法、装置及计算机设备。

背景技术

随着人工智能和机器学习技术的普及和发展，越来越多的公司开始尝试利用机器学习技术来解决业务问题。大量的数据能够被采集，为机器学习技术的使用、提升机器学习模型的性能创造了条件。

以预估居民各种风险为例，由于居民人口基数大，造成风险的因素多，因此，需要使用机器学习技术准确预测居民可能面临的各种风险，将居民进行精准分类，从而可以进行有效的资源分配。

发明内容

因此，本发明要解决的技术问题在于解决目前无法精准分类居民、无法准确预测居民可能面临的各种风险的问题，从而提供一种风险预测方法、装置及计算机设备。

根据第一方面，本发明实施例提供了一种风险预测方法，包括：获取目标对象的待测信息数据和外部影响因素信息，并基于预设标准数据及所述待测信息数据进行特征预处理，获得特征预处理数据，所述预设标准数据为已知贫困对象的信息数据；基于所述特征预处理数据及预设的数据分析模型得到输出数据，所述输出数据为基于所述数据分析模型得到的所述特征预处理数据的排名结果信息，所述预设的数据分析模型为基于样本数据和所述外部影响因素训练生成的；基于所述输出数据与所述预设标准数据综合分析所述目标对象的风险，得到分析结果。

可选地，所述基于预设标准数据及所述待测信息数据进行特征预处理，所述方法包括：将所述待测信息数据进行分类处理，获得分类结果；基于所述分类结果将所述待测信息数据进行整合，获得待测信息数据合集，所述待测信息数据合集为所述目标对象的基本信息数据。

可选地，所述基于预设标准数据及所述待测信息数据进行特征预处理，所述方法包括：基于所述待测信息数据集合进行数据处理，获得符合预设标准的处理数据集合。

可选地，所述基于所述待测信息数据进行特征预处理，所述方法包括：基于所述待测信息数据和所述预设标准数据组建向量矩阵；基于向量矩阵计算所述待测信息数据与所述预设标准数据之间的差值。

可选地，所述基于所述特征预处理数据及预设的数据分析模型得到输出数据，所述方法包括：基于所述特征预处理数据提取第一指标数据和第二指标数据；基于所述第一指标数据和第二指标数据构建判别矩阵，通过所述判别矩阵获取所述特征预处理数据中影响因素权重占比；基于所述特征预处理数据中影响因素数据权重占比获得所述待测信息数据影响因素以及外部影响因素信息的排位信息；基于所述排位信息以及预设的数据分析模型得到所述输出数据。

可选地，所述基于所述待测信息数据排位信息以及预设的数据分析模型，得到所述输出数据，所述方法包括：基于所述待测信息数据排位信息以及所述差值构建决策矩阵，通过所述决策矩阵对所述待测信息数据拟合分数，基于所述分数获得待测信息数据与预设标准数据之间的贴近度；基于所述贴近度对所述待测信息数据进行排序，得到输出数据。