[发明专利]一种信用评估模型训练、评估方法与装置有效
| 申请号： | 201811500994.8 | 申请日： | 2018-12-10 |
| 公开（公告）号： | CN109767312B | 公开（公告）日： | 2023-05-09 |
| 发明（设计）人： | 刘欣阳;周琪云;曲彦文;高子健 | 申请（专利权）人： | 江西师范大学 |
| 主分类号： | G06Q40/03 | 分类号： | G06Q40/03 |
| 代理公司： | 南昌市平凡知识产权代理事务所 36122 | 代理人： | 许艳 |
| 地址： | 330100 *** | 国省代码： | 江西;36 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种的信用评估模型训练、评估的方法与装置，其中信用评估模型通过训练方法得到，包括：获取已有正确信用评估结果的用户在征信系统中的用户数据以及评估结果；对收集到的用户数据中的用户数据进行预处理，转换为数值数据，包含但不限于将类别型数据进行One hot变换，数值型数据进行归一化；构建m个SDT子分类器，m为正整数，另构建一个SDT权重生成器，用以生成m个SDT子分类器的权重概率分布；利用预处理后的用户数据对具有m+1棵软决策树的WSDF模型进行端到端的训练。通过本发明所述方法构建的信用评估模型与装置，拥有更高的工作效率，而且可以降低坏账率；同时具有产生可视化的决策过程。 | ||
| 搜索关键词： | 一种 信用 评估 模型 训练 方法 装置 | ||
【主权项】：
1.一种信用评估模型的训练方法，其特征在于，它包括以下步骤：S11，获取已有正确信用评估结果的用户在征信系统中的用户数据以及评估结果；S12，对收集到的用户数据中的用户数据进行预处理，转换为数值数据；S13，构建m个SDT子分类器，m为正整数，另构建一个SDT权重生成器，用以生成m个SDT子分类器的权重概率分布，该模型即为WSDF；S14，利用预处理后的用户数据对具有m+1棵软决策树的WSDF模型进行端到端的训练。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于江西师范大学，未经江西师范大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811500994.8/，转载请声明来源钻瓜专利网。
- 上一篇：财务业务整合无人化算法
- 下一篇：基于资源配置的方法及相关产品
