一種基于多實(shí)例學(xué)習(xí)的信用風(fēng)險(xiǎn)評(píng)估模型生成方法
基本信息
| 申請(qǐng)?zhí)?/td> | CN202010141306.4 | 申請(qǐng)日 | - |
| 公開(kāi)（公告）號(hào) | CN110992173A | 公開(kāi)（公告）日 | 2020-04-10 |
| 申請(qǐng)公布號(hào) | CN110992173A | 申請(qǐng)公布日 | 2020-04-10 |
| 分類(lèi)號(hào) | G06Q40/02 | 分類(lèi) | 計(jì)算；推算；計(jì)數(shù); |
| 發(fā)明人 | 吳基成;程宏峰;陳杰 | 申請(qǐng)（專(zhuān)利權(quán)）人 | 杭州信雅達(dá)數(shù)碼科技有限公司 |
| 代理機(jī)構(gòu) | 杭州華知專(zhuān)利事務(wù)所（普通合伙） | 代理人 | 張德寶 |
| 地址 | 310053 浙江省杭州市濱江區(qū)江南大道3888號(hào)信雅達(dá)科技大廈9樓923室 | ||
| 法律狀態(tài) | - | ||
摘要
| 摘要 | 一種基于多實(shí)例學(xué)習(xí)的信用風(fēng)險(xiǎn)評(píng)估模型生成方法，包括以下步驟：S1：收集用戶(hù)的相關(guān)數(shù)據(jù)源信息S2：對(duì)獲取到的數(shù)據(jù)源信息利用最小Hausdorff距離聚類(lèi)特征提取用戶(hù)歷史行為特征向量；S3：將所述用戶(hù)歷史行為特征向量和個(gè)人信息數(shù)據(jù)進(jìn)行結(jié)合，構(gòu)建新向量數(shù)據(jù)集；S4：采用基于徑向基函數(shù)的多實(shí)例學(xué)習(xí)方法對(duì)上述結(jié)合的新向量數(shù)據(jù)集進(jìn)行訓(xùn)練，基于評(píng)價(jià)模型指標(biāo)函數(shù)來(lái)構(gòu)建信用風(fēng)險(xiǎn)評(píng)估模型；S5：對(duì)所述信用風(fēng)險(xiǎn)評(píng)估模型的效果進(jìn)行預(yù)測(cè)，通過(guò)適應(yīng)度函數(shù)來(lái)檢驗(yàn)?zāi)Ｐ偷恼_性。本發(fā)明解決了用戶(hù)數(shù)據(jù)高維度、無(wú)標(biāo)簽問(wèn)題，實(shí)現(xiàn)了最小化風(fēng)險(xiǎn)、最小化復(fù)雜性和最大化準(zhǔn)確性的目標(biāo)，不僅提高了信用風(fēng)險(xiǎn)評(píng)估模型的運(yùn)行效率也提高了模型準(zhǔn)確性和可解釋性。 |
