一种企业信用等级评价方法、装置及相关设备制造方法及图纸

本申请公开了一种企业信用等级评价方法，包括获取企业样本数据，对所述企业样本数据进行多维度特征加工处理，获得特征数据；在所有所述特征数据中抽取相关性特征数据作为训练样本数据；根据所述训练样本数据进行模型训练，获得GBDT模型；当接收到信用等级评价指令时，将所述信用等级评价指令对应的待测企业数据发送至所述GBDT模型进行处理，获得数据处理结果；根据所述数据处理结果确定企业信用等级；该企业信用等级评价方法可在保证企业信用等级评估效率的基础上，有效提高对应评估结果的准确性。本申请还公开了一种企业信用等级评价装置、设备及计算机可读存储介质，均具有上述有益效果。

A Credit Rating Evaluation Method, Equipment and Related Equipment for Enterprises

This application discloses an enterprise credit rating evaluation method, which includes acquiring enterprise sample data, processing multi-dimensional feature data of the enterprise sample data, obtaining feature data; extracting correlation feature data from all the feature data as training sample data; training model according to the training sample data, obtaining GBDT model; receiving credit and so on. The data of the enterprises to be tested corresponding to the credit rating evaluation instructions are sent to the GBDT model for processing, and the data processing results are obtained. The enterprise credit rating is determined according to the data processing results. The enterprise credit rating evaluation method can effectively improve the accuracy of the corresponding evaluation results on the basis of guaranteeing the efficiency of the enterprise credit rating evaluation. The application also discloses an enterprise credit rating evaluation device, equipment and computer readable storage medium, all of which have the above beneficial effects.

【技术实现步骤摘要】
一种企业信用等级评价方法、装置及相关设备
本申请涉及数据存储
，特别涉及一种企业信用等级评价方法，还涉及一种企业信用等级评价装置、设备以及计算机可读存储介质。
技术介绍
目前，在对一些企业进行信用评估的实际工作中，主要依赖于相关工作人员的业务经验，从业务层面对企业的信用等级进行评估，视角单一，且主观影响较重，难以全面覆盖影响信用等级的行为数据，导致评估结果的不准确性，同时，也造成了人力浪费、时间浪费，效率较低。近年来，随着互联网行业的发展，虽然有一些基于计算机算法的信用等级评估方法的提出，如随机森林机器学习模型等，在一定程度上提高了评估效率，但鉴于其样例数据、特征数据的提取不够完备，对应评估结果的准确性依然较低，难以在实践中取得成效，因此，如何在保证企业信用等级评估效率的基础上，有效提高对应评估结果的准确性是本领域技术人员亟待解决的问题。
技术实现思路
本申请的目的是提供一种企业信用等级评价方法，该企业信用等级评价方法可在保证企业信用等级评估效率的基础上，有效提高对应评估结果的准确性；本申请的另一目的是提供一种企业信用等级评价装置、设备以及计算机可读存储介质，也具有上述有益效果。为解决上述技术问题，本申请提供了一种企业信用等级评价方法，所述企业信用等级评价方法包括：获取企业样本数据，对所述企业样本数据进行多维度特征加工处理，获得特征数据；在所有所述特征数据中抽取相关性特征数据作为训练样本数据；根据所述训练样本数据进行模型训练，获得GBDT模型；当接收到信用等级评价指令时，将所述信用等级评价指令对应的待测企业数据发送至所述GBDT模型进行处理，获得数据处理结果；根据所述数据处理结果确定企业信用等级。优选的，所述对所述企业样本数据进行多维度特征加工处理，获得特征数据之前，还包括：对所述企业样本数据进行缺失值分析处理，获得第一处理数据；对所述第一处理数据进行异常值分析处理，获得第二处理数据；对所述第二处理数据进行变量相关性分析处理，获得预处理数据。优选的，所述对所述企业样本数据进行缺失值分析处理，获得第一处理数据，包括：通过聚类替代法对所述企业样本数据进行缺失值分析处理，获得所述第一处理数据。优选的，所述对所述第二处理数据进行变量相关性分析处理，获得预处理数据，包括：对所述第二处理数据进行变量相关性计算；当所述变量相关性超出预设阈值时，对所述第二处理数据进行降纬处理，获得所述预处理数据。优选的，所述在所有所述特征数据中抽取相关性特征数据作为训练样本数据，包括：通过逻辑回归算法在所有所述特征数据中抽取所述相关性特征数据作为所述训练样本数据。优选的，所述企业信用等级评价方法还包括：获取企业测试数据，通过所述企业测试数据对所述GBDT模型进行模型预测，获得测试结果；根据所述测试结果对所述GBDT模型进行优化，获得优化后GBDT模型。优选的，所述根据所述数据处理结果确定企业信用等级，包括：根据企业信用等级评价表对所述数据处理结果进行比对，获得所述企业信用等级。为解决上述技术问题，本申请还提供了一种企业信用等级评价装置，所述企业信用等级评价装置包括：特征加工模块，用于获取企业样本数据，对所述企业样本数据进行多维度特征加工处理，获得特征数据；数据抽取模块，用于在所有所述特征数据中抽取相关性特征数据作为训练样本数据；模型训练模块，用于根据所述训练样本数据进行模型训练，获得GBDT模型；数据处理模块，用于当接收到信用等级评价指令时，将所述信用等级评价指令对应的待测企业数据发送至所述GBDT模型进行处理，获得数据处理结果；等级确定模块，用于根据所述数据处理结果确定企业信用等级。为解决上述技术问题，本申请还提供了一种企业信用等级评价设备，所述企业信用等级评价设备包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现上述任意一种企业信用等级评价方法的步骤。为解决上述技术问题，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一种企业信用等级评价方法的步骤。本申请所提供的一种企业信用等级评价方法，包括获取企业样本数据，对所述企业样本数据进行多维度特征加工处理，获得特征数据；在所有所述特征数据中抽取相关性特征数据作为训练样本数据；根据所述训练样本数据进行模型训练，获得GBDT模型；当接收到信用等级评价指令时，将所述信用等级评价指令对应的待测企业数据发送至所述GBDT模型进行处理，获得数据处理结果；根据所述数据处理结果确定企业信用等级。可见，本申请所提供的企业信用等级评价方法，在进行模型构建之前，对用于进行模型构建的企业样本数据进行了多维度加工处理，即对企业样本数据进行了基于多维度的时间、区间等的特征加工，使得样本数据更加全面，对涉及到企业信用等级评价结果的相关数据进行了全方位考虑；进一步，在多维度加工后获得的特征数据中对相关性特征数据进行了抽取，即在所有特征数据中抽取获得了与企业信用等级评价结果较为相关的特征数据作为训练数据，并以此进行了GBDT(GradientBoostingDecisionTree，梯度下降树)模型的构建，由此，极大的提高了GBDT模型进行数据处理的准确率。进一步，当对某目标企业进行信用等级评价时，即可直接基于上述GBDT模型对该企业进行评估，获得更为准确的评估结果。此外，基于机器学习算法的信用等级评估，可最大程度的减少评价结果对主观经验的依赖，降低了人力资源浪费，保证了评估效率。因此，该企业信用等级评价方法达到了在保证评估效率的基础上，有效提高对应评估结果准确性的效果。本申请所提供的一种企业信用等级评价装置、设备以及计算机可读存储介质，均具有上述有益效果，在此不再赘述。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1为本申请所提供的一种企业信用等级评价方法的流程示意图；图2为本申请所提供的一种样本数据预处理方法的流程示意图；图3为本申请所提供的一种企业信用等级评价装置的结构示意图；图4为本申请所提供的一种企业信用等级评价设备的结构示意图。具体实施方式本申请的核心是提供一种企业信用等级评价方法，该企业信用等级评价方法可在保证企业信用等级评估效率的基础上，有效提高对应评估结果的准确性；本申请的另一核心是提供一种企业信用等级评价装置、设备以及计算机可读存储介质，也具有上述有益效果。为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。请参考图1，图1为本申请所提供的一种企业信用等级评价方法的流程示意图，该企业信用等级评价方法可以包括：S101：获取企业样本数据，对企业样本数据进行多维度特征加工处理，获得特征数据；具体的，在进行企业信用等级评价之前，需要进行本文档来自技高网...

【技术保护点】
1.一种企业信用等级评价方法，其特征在于，包括：获取企业样本数据，对所述企业样本数据进行多维度特征加工处理，获得特征数据；在所有所述特征数据中抽取相关性特征数据作为训练样本数据；根据所述训练样本数据进行模型训练，获得GBDT模型；当接收到信用等级评价指令时，将所述信用等级评价指令对应的待测企业数据发送至所述GBDT模型进行处理，获得数据处理结果；根据所述数据处理结果确定企业信用等级。

【技术特征摘要】
1.一种企业信用等级评价方法，其特征在于，包括：获取企业样本数据，对所述企业样本数据进行多维度特征加工处理，获得特征数据；在所有所述特征数据中抽取相关性特征数据作为训练样本数据；根据所述训练样本数据进行模型训练，获得GBDT模型；当接收到信用等级评价指令时，将所述信用等级评价指令对应的待测企业数据发送至所述GBDT模型进行处理，获得数据处理结果；根据所述数据处理结果确定企业信用等级。2.如权利要求1所述的企业信用等级评价方法，其特征在于，所述对所述企业样本数据进行多维度特征加工处理，获得特征数据之前，还包括：对所述企业样本数据进行缺失值分析处理，获得第一处理数据；对所述第一处理数据进行异常值分析处理，获得第二处理数据；对所述第二处理数据进行变量相关性分析处理，获得预处理数据。3.如权利要求2所述的企业信用等级评价方法，其特征在于，所述对所述企业样本数据进行缺失值分析处理，获得第一处理数据，包括：通过聚类替代法对所述企业样本数据进行缺失值分析处理，获得所述第一处理数据。4.如权利要求2所述的企业信用等级评价方法，其特征在于，所述对所述第二处理数据进行变量相关性分析处理，获得预处理数据，包括：对所述第二处理数据进行变量相关性计算；当所述变量相关性超出预设阈值时，对所述第二处理数据进行降纬处理，获得所述预处理数据。5.如权利要求1所述的企业信用等级评价方法，其特征在于，所述在所有所述特征数据中抽取相关性特征数据作为训练样本数据，包括：通过逻辑回归算法在所有所述特...

【专利技术属性】
技术研发人员：蔡燕，王培勇，刘勇，王宏新，陈宏仁，
申请(专利权)人：税友软件集团股份有限公司，
类型：发明
国别省市：浙江,33