[发明专利]用户风险预测模型处理方法、装置及电子设备

说明书

本申请提供一种用户风险预测模型处理方法、装置及电子设备，通过训练至少三种预测模型对未通过审批的用户样本进行分类预测，以获得对应的样本标签，并根据预测获得样本标签对未通过审批的用户样本进行扩充，然后使用通过审批的用户样本和未通过审批的用户样本一起训练用户风险预测模型。如此，可以使用户风险预测模型在训练时使用的用户样本和实际使用时的处理的用户样本分布一致，从而提高所述用户风险预测模型的预测准确性。

技术领域

本申请涉及数据处理技术领域，具体而言，涉及一种用户风险预测模 型处理方法、装置及电子设备。

背景技术

信用风险评估是通过构建模型对贷款申请者的违约风险进行分类预测， 是金融风险管理的重要手段。用户风险预测模型的预测准确性依赖于训练 样本和预测样本有相同的分布。但在实际使用过程中这个条件很难保证， 比如，金融机构常使用的用户风险预测模型是用来评估申请客户的逾期风 险，模型面向对象是所有提出申请的客户，然而建模时选择的是已经通过 初步审核的用户，而某些未通过审核用户(例如，已经列入黑名单的)没 有作为样本加入到模型的训练过程中。所以，建模样本中坏客户的比例是 比实际申请中的坏客户的比例低很多，也就是说，申请评分模型使用的建 模样本是有偏的，模型无法充分学习坏客户的信息。

发明内容

为了克服现有技术中的上述不足，本申请的目的在于提供一种用户风 险预测模型处理方法，所述方法包括：

获取多个通过审批的第一样本和未通过审批的第二样本，所述第一样 本包括多个正样本和多个负样本，所述正样本为非风险用户的用户样本， 所述负样本为风险用户的用户样本，所述第二样本包括不具有样本标签的 用户样本；每个所述用户样本指示用户特征信息的多个特征项；

从所述第一样本中确定训练样本集及测试样本集；

通过所述训练样本集训练获得至少三种不同的预测模型，并通过所述 测试样本集获得所述至少三种不同的预测模型的模型评价指标值；

通过所述至少三种不同的预测模型对所述第二样本进行分类预测，获 得所述至少三种不同的预测模型得出的所述第二样本的预测结果；

根据所述至少三种不同的预测模型的预测结果及所述至少三种不同的 预测模型的模型评价指标值，确定所述第二样本为负样本的第一目标概率；

复制所述第二样本获得第三样本，将所述第二样本的样本标签设置负 样本，并将所述第二样本的权重因子设置为所述第一目标概率，将所述第 三样本的样本标签设置为正样本，并将所述第三样本的权重因子设置为第 二目标概率，其中，所述第二目标概率等于1减所述第一目标概率；

根据所述第一样本、第二样本及第三样本训练预设的用户风险预测模 型，获得训练完成后所述用户风险预测模型。

在一种可能的实现方式中，所述通过所述训练样本集训练获得至少三 种不同的预测模型，并通过所述测试样本集获得所述至少三种不同的预测 模型的模型评价指标值的步骤，包括：

通过所述训练样本集对预设的逻辑回归模型进行训练；使用训练后的 所述逻辑回归模型对所述测试样本集进行分类预测，根据预测结果及所述 测试样本集的样本标签获得第一模型评价指标值；

通过所述训练样本集对预设的xgboost模型进行训练；使用训练后的所 述xgboost模型对所述测试样本集进行分类预测，根据预测结果及所述测试 样本集的样本标签获得第二模型评价指标值；

通过所述训练样本集构建高斯混合模型，使用所述高斯混合模型对所 述测试样本集进行分类预测，根据预测结果及所述测试样本集的样本标签 获得第三模型评价指标值；

所述通过所述至少三种不同的预测模型对所述第二样本进行分类预测， 获得所述至少三种不同的预测模型得出的所述第二样本的预测结果的步骤， 包括：