征信数据的智能评估方法及系统技术方案

本发明专利技术公开了一张征信数据的智能评估方法及系统，其中方法包括如下步骤：取样步骤，用于对数据进行取样获得的步骤；问题确定步骤，用于确定当前需要将数据按照何种模型进行处理的步骤；样本划分步骤，用于对样本进行分类的步骤；特征处理步骤，用于对特征数据进行分析和处理的步骤；运算步骤，对特征数据进行运算从而生成评估结果数据和反馈数据的步骤；调参步骤，用于根据当前模型和反馈数据进行参数调整的步骤；模型评估和验证步骤，用于对当前模型进行评估的步骤。本发明专利技术所提供的征信数据的智能评估方法及系统，准确度高，稳定性强，迭代快，满足快速审批放款的业务场景，可达到更好的信用区分能力。

Intelligent evaluation method and system of credit data

The invention discloses a method and a system for intelligent evaluation of credit data, wherein the method comprises the following steps: sampling steps for sampling steps to obtain data; determine the steps for determining the current data need to be processed in accordance with the steps which model; sample step by step for the samples for classification; feature the processing steps, a step for the analysis and processing of data; operation steps, operation characteristics of the data to generate the evaluation result data and feedback data to adjust the parameters of step by step; adjust the parameters according to the current model and feedback data steps; model evaluation and validation procedures, used to evaluate the current model. Step. The intelligent evaluation method and system of the credit data provided by the invention has high accuracy, strong stability and fast iteration, which can satisfy the business scenario of fast approval and loan, and achieve better credit distinguishing ability.

【技术实现步骤摘要】
征信数据的智能评估方法及系统
本专利技术涉及计算机及大数据
，尤其涉及征信数据的智能评估方法及系统。
技术介绍
众所周知，贷款申请人的征信及还款能力的评估是信贷行业风险控制工作的重中之重。现有技术中，对贷款申请人的征信评估，依靠强金融特征数据进行，这些强金融特征数据主要从央行的征信数据中获得。然而，央行的征信数据并不完善，很大比例的贷款申请人在央行的征信数据库中没有征信记录，由此也就无法获取到这些贷款申请人的征信数据。现有技术中，针对这部分贷款申请人的贷款申请，一方面通过提高贷款利率来降低信贷机构的风险，另一方面采取拒绝放贷的方式来杜绝信贷机构的风险的发生。这就给金融信贷机构的业务发展带来了很大的局限性。另一方面，随着互联网及大数据技术的迅速发展，如电商的交易数据、社交类数据、网络行为数据等，虽然单个或少量数据不能直接的反应个人的征信水平和还款能力，但是长期积累的大量数据或多方面数据的组合，却可从一定程度上反应个人的征信水平和还款能力，我们将这些数据成为弱金融特征数据。如果有一种方法，通过长期对这些弱金融数据的获取、积累、统计和分析并不断增强获取、积累、统计和分析这些数据方法，本文档来自技高网...

【技术保护点】
一种征信数据的智能评估方法，其特征在于，包括如下步骤：取样步骤，用于对数据进行取样获得的步骤；问题确定步骤，用于确定当前需要将数据按照何种模型进行处理的步骤；样本划分步骤，用于对样本进行分类的步骤；特征处理步骤，用于对特征数据进行分析和处理的步骤；运算步骤，对特征数据进行运算从而生成评估结果数据和反馈数据的步骤；调参步骤，用于根据当前模型和反馈数据进行参数调整的步骤；模型评估和验证步骤，用于对当前模型进行评估的步骤。

【技术特征摘要】
1.一种征信数据的智能评估方法，其特征在于，包括如下步骤：取样步骤，用于对数据进行取样获得的步骤；问题确定步骤，用于确定当前需要将数据按照何种模型进行处理的步骤；样本划分步骤，用于对样本进行分类的步骤；特征处理步骤，用于对特征数据进行分析和处理的步骤；运算步骤，对特征数据进行运算从而生成评估结果数据和反馈数据的步骤；调参步骤，用于根据当前模型和反馈数据进行参数调整的步骤；模型评估和验证步骤，用于对当前模型进行评估的步骤。2.如权利要求1所述的征信数据的智能评估方法，其特征在于，所述取样步骤包括过抽样步骤。3.如权利要求1所述的征信数据的智能评估方法，其特征在于，所述取样步骤包括欠抽样步骤。4.如权利要求1所述的征信数据的智能评估方法，其特征在于，所述取样步骤包括对小类样本进行加权运算的步骤。5.如权利要求1所述的征信数据的智能评估方法，其特征在于，所述取样步骤还包括采用特定算法模拟生成小类样本数据的步骤。6.如权利要求1所述的征信数据的智能评估方法，其特征在于，所述问题确定步骤为通过取样特征数据的特定参数来判断当前运算所解决的问题是分类问题、回归问题。7.如权利要求6所述的征信数据的智能评估方法，其特征在于，当所述问题确定步骤判断结果为当前运算所解决的问题是分类问题时，进一步判断当前运算所解决的问题二份类问题还是多分类问题。8.如权利要求1所述的征信数据的智能评估方法，其特征在于，所述样本划分步骤包括将取样获得的数据划分为训练集的步骤。9.如权利要求1所述的征信数据的智能评估方法，其特征在于，所述样本划分步骤包括将取样获得的数据划分为验证集的步骤。10.如权利要求1所述的征信数据的智能评估方法，其特征在于，所述样本划分步骤包括将取样获得的数据划分为测试集的步骤。11.如权利要求1所述的征信数据的智能评估方法，其特征在于，所述特征处理步骤，包括：特征分类步骤，用于将特征数据判定为连续特征数据或离散特征数据的步骤；特征预处理步骤，用于对特征数据进行预处理的步骤；特征工程步骤，用于对特征数据进行模型化处理的步骤；特征选择步骤，用于对特征数据进行选择性运算处理的步骤。12.如权利要求11所述的征信数据的智能评估方法，其特征在于，所述特征分类步骤包括，当取样数据特征为数值型数据时，将其分类为连续特征数据。13.如权利要求11所述的征信数据的智能评估方法，其特征在于，所述特征分类步骤包括，当取样数据特征为离散型数据时，将其分类为离散特征数据。14.如权利要求11所述的征信数据的智能评估方法，其特征在于，所述特征预处理步骤包括，当取样数据特征为连续特征数据时，对该特征数据进行缺失值预处理、异常值预处理、数值特征离散化预处理、数据特征归一化预处理、数值特征转换预处理中的一项或复数项预处理步骤。15.如权利要求11所述的征信数据的智能评估方法，其特征在于，所述特征预处理步骤包括，当取样数据特征为离散特征数据时，对该特征数据进行缺失值预处理、降基预处理、独热编码预处理中的一项或复数项预处理步骤。16.如权利要求11所述的征信数据的智能评估方法，其特征在于，所述特征工程步骤包括，时间衍生特征数据生成步骤，用于根据时间类特征数据计算生成时间衍生特征数据的步骤。17.如权利要求16所述的征信数据的智能评估方法，其特征在于，所述时间衍生特征数据包括时间差参数数据。18.如权利要求11所述的征信数据的智能评估方法，其特征在于，所述特征工程步骤包括，空间衍生特征数据生成步骤，用于根据空间类特征数据计算生成空间衍生特征数据的步骤。19.如权利要求18所述的征信数据的智能评估方法，其特征在于，所述空间衍生特征数据包括地域分级参数数据或地域差参数数据。20.如权利要求11所述的征信数据的智能评估方法，其特征在于，所述特征工程步骤包括，特征数据组合步骤，用于将特征数据进行组合运算的步骤。21.如权利要求20所述的征信数据的智能评估方法，其特征在于，所述特征数据组合步骤，包括组合特征数据运算步骤和特征数据交叉步骤。22.如权利要求21所述的征信数据的智能评估方法，其特征在于，所述特征选择步骤，包括降维运算步骤或子集选择运算步骤。23.如权利要求22所述的征信数据的智能评估方法，其特征在于，所述子集选择运算步骤包括过滤式选择运算步骤或包裹式选择运算步骤或嵌入式选择运算步骤。24.一种征信数据的智能评估系统，其特征在于，包括：取样模块，用于...

【专利技术属性】
技术研发人员：金家芳，陈斌，匡文豪，
申请(专利权)人：上海维信荟智金融科技有限公司，
类型：发明
国别省市：上海,31