[发明专利]模型构建方法、装置、设备与计算机可读存储介质

说明书

本发明公开了一种模型构建方法、装置、设备和计算机可读存储介质，该方法包括：获取目标样本集合，根据预设规则从所述目标样本集合中确定当前目标样本；对所述当前目标样本对应的第一目标变量集合进行赋权操作，并根据经过所述赋权操作的第一目标变量集合对当前模型进行模型训练，以得到目标模型。本发明通过获取对当前目标样本对应的第一目标变量集合进行赋权操作，并根据经过赋权操作的第一目标变量集合对当前模型进行模型训练，以在当前模型的基础上得到目标模型，使得目标模型能够匹配更多不同的客群，提高了模型的泛化力。

技术领域

本发明涉及金融科技技术领域，尤其涉及模型构建方法、装置、设备与计算机可读存储介质。

背景技术

目前的信贷风险预测方法，对不同客群的多种业务目标建立多个模型，应用时根据具体情况选择对应模型进行应用；对不同业务阶段的客群建立多个模型复杂且难以维护，并且一旦出现建模时未覆盖的客群或者目标，则难以选择合适的模型进行应用，导致模型的泛化力不高，因此，如何提高模型的泛化力，是急需解决的问题。

发明内容

本发明的主要目的在于提出一种模型构建方法、装置、设备与计算机可读存储介质，旨在解决如何提高模型的泛化力的问题。

为实现上述目的，本发明提供一种模型构建方法，所述模型构建方法包括如下步骤：

获取目标样本集合，根据预设规则从所述目标样本集合中确定当前目标样本；

对所述当前目标样本对应的第一目标变量集合进行赋权操作，并根据经过所述赋权操作的第一目标变量集合对当前模型进行模型训练，以得到目标模型。

优选地，根据预设规则从所述目标样本集合中确定当前目标样本的步骤包括：

确定所述目标样本集合中的每个目标样本的第一重要程度，并基于所述第一重要程度对每个目标样本进行排序，得到排序结果；

根据所述排序结果，确定当前目标样本。

优选地，对所述当前目标样本集合对应的第一目标变量集合的进行赋权操作的步骤包括：

获取所述当前模型中对应的模型变量集合，并确定所述模型变量集合的第二重要程度；

根据所述第二重要程度，确定所述当前目标样本集合对应的第一目标变量集合的第三重要程度，并根据所述第三重要程度，对所述第一目标变量集合进行赋权操作。

优选地，根据经过所述赋权操作的第一目标变量集合对所述当前模型进行模型训练，以得到目标模型的步骤包括：

获取所述当前模型对应的当前决策树，并根据经过所述赋权操作的第一目标变量集合对所述当前决策树进行增量操作，以得到目标决策树；

基于所述目标决策树进行构建得到目标模型。

优选地，根据经过所述赋权操作的第一目标变量集合对所述当前决策树进行增量操作，以得到目标决策树的步骤包括：

获取经过所述赋权操作的第一目标变量集合中每个目标变量对应的权重值，并根据所述权重值，确定第二目标变量集合；

根据所述第二目标变量集合对所述当前决策树进行增量操作，以得到目标决策树。

优选地，根据第二目标变量集合对所述当前决策树进行增量操作的步骤包括：

计算所述第二目标变量集合中的每个第二目标变量对应的不确定性，并将每个第二目标变量对应的不确定性进行对比，确定以所述不确定性最小的第二目标变量作为切分点；

基于所述切分点和所述第二目标变量集合，对所述当前决策树进行增量操作。

优选地，得到目标模型的步骤之后，所述模型构建方法还包括：