[发明专利]一种基于部分堆栈融合的用户信用评估模型在审
| 申请号： | 201610817447.7 | 申请日： | 2016-09-12 |
| 公开（公告）号： | CN106447489A | 公开（公告）日： | 2017-02-22 |
| 发明（设计）人： | 郑子彬;黄春振;杨亚涛;吴嘉婧 | 申请（专利权）人： | 中山大学 |
| 主分类号： | G06Q40/02 | 分类号： | G06Q40/02 |
| 代理公司： | 广东广信君达律师事务所44329 | 代理人： | 杨晓松 |
| 地址： | 510275 *** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于部分堆栈融合的用户信用评估模型，包括：S1、对所有的用户数据建立N个模型，在所有模型中，选择AUROC值最高的一个最优模型〖Model〗_best；S2、选择一个与最优模型差异性最大的模型〖Model〗_differ，根据两个模型对所有用户的排名作差值〖Rank〗_best‑〖Rank〗_differ，对于差值大于0的用户，说明〖Model〗_differ比〖Model〗_best对这部分用户的排名能力要好；S3、选择这样的部分用户，用差异性模型重新训练，将这个模型的Top K个用户直接置为信用良好的用户，这样可以将原本〖Model〗_best判别为信用较差的用户进行校正。 | ||
| 搜索关键词： | 一种 基于 部分 堆栈 融合 用户 信用 评估 模型 | ||
【主权项】：
一种基于部分堆栈融合的用户信用评估模型，其特征在于包括以下步骤：S1、对所有的用户数据建立N个模型，在所有模型中，选择AUROC值最高的一个最优模型〖Model〗_best；S2、选择一个与最优模型差异性最大的模型〖Model〗_differ，根据两个模型对所有用户的排名作差值〖Rank〗_best‑〖Rank〗_differ，对于差值大于0的用户，说明〖Model〗_differ比〖Model〗_best对这部分用户的排名能力要好；S3、选择这样的部分用户，用差异性模型重新训练，将这个模型的Top K个用户直接置为信用良好的用户，这样可以将原本〖Model〗_best判别为信用较差的用户进行校正。
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中山大学，未经中山大学许可，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/201610817447.7/，转载请声明来源钻瓜专利网。
