The application discloses a loan evaluation method, device and equipment based on support vector machine, which relates to the technical field of data processing, can improve the efficiency and accuracy of loan evaluation, and has a high pass rate of loan audit. The method includes: collecting user data of different users in advance, wherein the user data includes user attribute data, historical credit data and user investment data of different users; processing the user data to obtain training data that conforms to the training standard of credit scoring model; and based on the training data, the benefit is obtained. The support vector machine algorithm is used to train the credit scoring model, and when the loan request is received, the credit scoring model is used to analyze and obtain the credit scoring and loan quota of the loan user. This application is applicable to loan evaluation.
【技术实现步骤摘要】
基于支持向量机的贷款评估方法、装置及设备
本申请涉及数据处理
,尤其是涉及到一种基于支持向量机的贷款评估方法、装置及设备。
技术介绍
信用记录指信用评级机构依托来自某一渠道或社会各方、能够判断经济主体信用状况的信息,按一定标准和指标进行评价之后,用一定符号或文字表示的关于经济主体信用的说明。目前,在各金融机构评估个人信用记录进行贷款评估时,主要是依靠信贷员的个人经验进行判断。然而,这样不仅效率低下,而且由于人的不可控因素较多,会影响贷款评估的精确性,进而制约了金融机构的发展。同时由于信贷员贷款审核往往比较谨慎,会导致贷款审核通过率过低,无法满足广大用户的贷款需求,从而不能给贷款用户带来较好的体验。
技术实现思路
有鉴于此,本申请提供了一种基于支持向量机的贷款评估方法、装置及设备,主要目的在于解决目前现有主要依靠信贷员的个人经验评估个人信用记录进行贷款评估,不仅效率低下,而且由于人的不可控因素较多,会影响贷款评估的精确性,并且会导致贷款审核通过率过低的问题。根据本申请的一个方面,提供了一种基于支持向量机的贷款评估方法,该方法包括:预先收集不同用户的用户数据,其中所述用户数据包含不同用户的用户属性数据、历史信用数据、用户投资数据;对所述用户数据进行处理,得到符合信用评分模型训练标准的训练数据;基于所述训练数据,利用支持向量机算法进行训练得到信用评分模型;当接收到贷款用户的贷款请求时,利用所述信用评分模型,分析得到所述贷款用户的信用评分和可贷款额度。根据本申请的另一方面,提供了一种基于支持向量机的贷款评估装置,该装置包括:收集单元,用于预先收集不同用户的用户数 ...
【技术保护点】
1.一种基于支持向量机的贷款评估方法,其特征在于,包括:预先收集不同用户的用户数据,其中所述用户数据包含不同用户的用户属性数据、历史信用数据、用户投资数据;对所述用户数据进行处理,得到符合信用评分模型训练标准的训练数据;基于所述训练数据,利用支持向量机算法进行训练得到信用评分模型;当接收到贷款用户的贷款请求时,利用所述信用评分模型,分析得到所述贷款用户的信用评分和可贷款额度。
【技术特征摘要】
1.一种基于支持向量机的贷款评估方法,其特征在于,包括:预先收集不同用户的用户数据,其中所述用户数据包含不同用户的用户属性数据、历史信用数据、用户投资数据;对所述用户数据进行处理,得到符合信用评分模型训练标准的训练数据;基于所述训练数据,利用支持向量机算法进行训练得到信用评分模型;当接收到贷款用户的贷款请求时,利用所述信用评分模型,分析得到所述贷款用户的信用评分和可贷款额度。2.根据权利要求1所述的方法,其特征在于,对所述用户数据进行处理,得到符合信用评分模型训练标准的训练数据,具体包括:利用多重填补法对所述用户数据中存在缺失值的数据进行插补缺失值处理;将所述插补缺失值处理后的所述用户数据利用箱线图进行分析,识别所述箱线图中的异常数据并进行删除;将删除异常数据后的所述用户数据进行对数变换和归一化处理,得到符合信用评分模型训练标准的训练数据。3.根据权利要求2所述的方法,其特征在于,基于所述训练数据,利用支持向量机算法进行训练得到信用评分模型,具体包括:基于所述训练数据,利用Bagging算法构建多个训练集合,其中所述训练集合是由从所述训练数据中随机抽取的多个样本进行训练得到的,每轮训练得到一个训练集合;分别在每个训练集合中随机选择预定数量的特征样本进行核函数建模,所述特征样本包括正样本和负样本;在训练集合建模后,通过模式搜索算法求解核函数得到最优超平面,所述最优超平面能够分割训练集合中随机选择的正样本和负样本,且使得分割后的正负样本与所述最优超平面之间间隔最大;基于每个训练集合对应的最优超平面的函数,生成得到每个训练集合对应的分类器;从所述训练数据中随机抽样得到验证数据,并利用所述验证数据,计算每一个分类器与其它多个分类器之间的相关性系数;选择相关性系数最小的一组分类器进行集成,得到信用评分模型。4.根据权利要求3所述的方法,其特征在于,所述贷款请求中携带有所述贷款用户的身份标识信息,利用所述信用评分模型,分析得到所述贷款用户的信用评分和可贷款额度,具体包括:利用所述身份标识信息,查询为训练所述信用评分模型而预先收集的不同用户数据中是否存在所述贷款用户的用户数据;若存在,则将存在的所述贷款用户的用户数据代入到所述信用评分模型中进行分类,确定所述贷款用户的类型结果;将与所述类型结果对应的信用评分、和与信用评分所属信用评分分数段对应的可贷款额度,分别确定为所述贷款用户的信用评分和可贷款额度,其中不同类型结果分别对应不同信用评分,且不同信用评分分数段分别对应不同可贷款额度。5.根据权利要求4所述的方法,其特征在于,在利用所...
【专利技术属性】
技术研发人员:张雷,
申请(专利权)人:深圳壹账通智能科技有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。