[发明专利]基于生成式对抗网络和半监督学习的个人信用确定方法

摘要

本发明公开了一种基于生成式对抗网络和半监督学习的个人信用确定方法，将个人信用数据分为有标签个人信用数据和无标签个人信用数据；对有标签个人信用数据依次进行数值化、归一化和平衡化；通过重采样方法获得不同的样本子集并对其进行扩充获得训练样本；初始化子学习器，将训练样本分配给子学习器，优化子学习器；利用优化的子学习器对无标签个人信用数据进行标记，并将标记的个人信用数据置于有标签个人信用数据中对有标签个人信用数据进行一次扩充；对有标签个人信用数据进行二次扩充；循环迭代步骤S2～S8，直到无标签个人信用数据集中的数据不再减少；对最终优化的子学习器进行集成学习，并利用集成的学习器确定个人信用度，准确度高。

主权项

1.基于生成式对抗网络和半监督学习的个人信用确定方法，其特征在于，具体步骤如下：步骤S1、将个人信用数据分为有标签个人信用数据和无标签个人信用数据；步骤S2、对有标签个人信用数据的类标依次进行数值化和归一化；步骤S3、对有标签个人信用数据进行数据平衡化；步骤S4、通过重采样方法在有标签个人信用数据中获得不同的样本子集；步骤S5、对采样得到的多个样本子集的数据进行扩充，获得多个训练样本；步骤S6、初始化多个子学习器，并将训练样本分配给子学习器，对子学习器进行优化；步骤S7、利用优化后的子学习器对无标签个人信用数据进行标记；并将标记的个人信用数据置于有标签个人信用数据中对有标签个人信用数据进行一次扩充；步骤S8、对有标签个人信用数据进行二次扩充；步骤S9、对步骤S2～S8进行循环迭代，直到无标签个人信用数据集中的数据不再减少，迭代结束；步骤S10、采用boosting方法对最终优化的子学习器进行集成学习，并将集成的学习器用于测试集，确定个人信用度。