基于特征依赖度的信用评估方法及装置制造方法及图纸

本申请公开了一种基于特征依赖度的信用评估方法及装置。该方法包括生成多个基分类器；采用无监督聚类，动态选择出所述多个基分类器中的满足预设信用评估条件的所述基分类器；对所述基分类器预测结果进行合并，得到信用评估分类结果。本申请解决了对个人信用进行风险评估效果不佳的技术问题。通过本申请基于特征依赖度的动态异构集成学习模型来提高信用评分的预测性能。此外，本申请适用于信用评估等金融领域。

Credit Evaluation Method and Device Based on Characteristic Dependency

【技术实现步骤摘要】
基于特征依赖度的信用评估方法及装置
本申请涉及金融领域，具体而言，涉及一种基于特征依赖度的信用评估方法及装置。
技术介绍
通过对信贷决策的风险分析，能够识别出信用记录有限或不良的人群的潜在风险。专利技术人发现，对个人信用进行风险评估时无法较好地降低违约风险。针对相关技术中对个人信用进行风险评估效果不佳的问题，目前尚未提出有效的解决方案。
技术实现思路
本申请的主要目的在于提供一种基于特征依赖度的信用评估方法及装置，以解决对个人信用进行风险评估效果不佳的问题。为了实现上述目的，根据本申请的一个方面，提供了一种基于特征依赖度的信用评估方法。根据本申请的基于特征依赖度的信用评估方法包括：生成多个基分类器；采用无监督聚类，动态选择出所述多个基分类器中的满足预设信用评估条件的所述基分类器；对所述基分类器预测结果进行合并，得到信用评估分类结果。进一步地，生成多个基分类器包括：获取训练集；采用基于粗糙集的属性约简子集和基于特征依赖度的特征选择，生成用于训练所述基分类器的约简子集；根据所述约简子集，训练得到异构集合学习模型。进一步地，采用无监督聚类，动态选择出所述多个基分类器中的满足预设条件的所述基分类器包括：采用无监督聚类，得到测试样本的N个邻近样本；根据基分类器计算N个邻近样本的分类结果，并评估N个近邻样本在所述基分类器上的分类性能并排序；根据排序结果确定样本的基分类器。进一步地，对所述基分类器预测结果进行合并，得到信用评估分类结果包括：根据测试样本和动态选择出的所述多个基分类器中的满足预设条件的所述基分类器，对样本进行分类预测；将基分类器的结果合并后，采用投票策略得到信用评估分类的不同结果。进一步地，方法还包括：获取用户信用数据，作为数据集；在训练并生成多个基分类器之前，根据预设特征依赖度过滤所述数据集中的冗余特征；将所述数据集划分为训练集和验证集。为了实现上述目的，根据本申请的另一方面，提供了一种基于特征依赖度的信用评估装置。根据本申请的基于特征依赖度的信用评估装置包括：生成模块，用于生成多个基分类器；动态选择模块，用于采用无监督聚类，动态选择出所述多个基分类器中的满足预设条件的所述基分类器；结果合并模块，用于对所述基分类器预测结果进行合并，得到信用评估分类结果。进一步地，所述生成模块包括：获取单元，用于获取训练集；生成单元，用于采用基于粗糙集的属性约简子集和基于特征依赖度的特征选择，生成用于训练所述基分类器的约简子集；训练单元，用于根据所述约简子集，训练得到异构集合学习模型。进一步地，所述动态选择模块包括：邻近样本单元，用于采用无监督聚类，得到测试样本的N个邻近样本；性能评估单元，用于根据基分类器计算N个邻近样本的分类结果，并评估N个近邻样本在所述基分类器上的分类性能并排序；确定单元，用于根据排序结果确定样本的基分类器。进一步地，所述结果合并模块包括：分类预测单元，用于根据测试样本和动态选择出的所述多个基分类器中的满足预设条件的所述基分类器，对样本进行分类预测；投票单元，用于将基分类器的结果合并后，采用投票策略得到信用评估分类的不同结果。进一步地，装置还包括：冗余去除模块，所述冗余去除模块包括：数据获取单元，用于获取用户信用数据，作为数据集；过滤单元，用于在训练并生成多个基分类器之前，根据预设特征依赖度过滤所述数据集中的冗余特征；划分单元，用于将所述数据集划分为训练集和验证集。在本申请实施例中基于特征依赖度的信用评估方法及装置，采用生成多个基分类器的方式，通过采用无监督聚类，动态选择出所述多个基分类器中的满足预设信用评估条件的所述基分类器，达到了对所述基分类器预测结果进行合并，得到信用评估分类结果的目的，从而实现了组合使用进行用户信用评估的技术效果，进而解决了对个人信用进行风险评估效果不佳的技术问题。附图说明构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1是根据本申请第一实施例的基于特征依赖度的信用评估方法流程示意图；图2是根据本申请第二实施例的基于特征依赖度的信用评估方法流程示意图；图3是根据本申请第三实施例的基于特征依赖度的信用评估方法流程示意图；图4是根据本申请第四实施例的基于特征依赖度的信用评估方法流程示意图；图5是根据本申请第五实施例的基于特征依赖度的信用评估方法流程示意图；图6是根据本申请第一实施例的基于特征依赖度的信用评估装置结构示意图；图7是根据本申请第二实施例的基于特征依赖度的信用评估装置结构示意图；图8是根据本申请第三实施例的基于特征依赖度的信用评估装置结构示意图；图9是根据本申请第四实施例的基于特征依赖度的信用评估装置结构示意图；图10是根据本申请第五实施例的基于特征依赖度的信用评估装置结构示意图；图11是本申请的实现原理示意图；图12是根据生成基分类器示意图；图13是动态选择基分类器示意图；图14是合并基分类器的分类结果示意图。具体实施方式为了使本
的人员更好地理解本申请方案，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，所描述的实施例仅仅是本申请一部分的实施例，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他实施例，都应当属于本申请保护的范围。需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。在本申请中，术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本申请及其实施例，并非用于限定所指示的装置、元件或组成部分必须具有特定方位，或以特定方位进行构造和操作。并且，上述部分术语除了可以用于表示方位或位置关系以外，还可能用于表示其他含义，例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言，可以根据具体情况理解这些术语在本申请中的具体含义。此外，术语“安装”、“设置”、“设有”、“连接”、“相连”、“套接”应做广义理解。例如，可以是固定连接，可拆卸连接，或整体式构造；可以是机械连接，或电连接；可以是直接相连，或者是通过中间媒介间接相连，又或者是两个装置、元件或组成部分之间内部的连通。对于本领域普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。本申请实施例的基于特征依赖度的信用评估方法，同时将基于特征依赖度的训练集本文档来自技高网...

【技术保护点】
1.一种基于特征依赖度的信用评估方法，其特征在于，包括：生成多个基分类器；采用无监督聚类，动态选择出所述多个基分类器中的满足预设信用评估条件的所述基分类器；对所述基分类器预测结果进行合并，得到信用评估分类结果。

【技术特征摘要】
1.一种基于特征依赖度的信用评估方法，其特征在于，包括：生成多个基分类器；采用无监督聚类，动态选择出所述多个基分类器中的满足预设信用评估条件的所述基分类器；对所述基分类器预测结果进行合并，得到信用评估分类结果。2.根据权利要求1所述的信用评估方法，其特征在于，生成多个基分类器包括：获取训练集；采用基于粗糙集的属性约简子集和基于特征依赖度的特征选择，生成用于训练所述基分类器的约简子集；根据所述约简子集，训练得到异构集合学习模型。3.根据权利要求1所述的信用评估方法，其特征在于，采用无监督聚类，动态选择出所述多个基分类器中的满足预设条件的所述基分类器包括：采用无监督聚类，得到测试样本的N个邻近样本；根据基分类器计算N个邻近样本的分类结果，并评估N个近邻样本在所述基分类器上的分类性能并排序；根据排序结果确定样本的基分类器。4.根据权利要求1所述的信用评估方法，其特征在于，对所述基分类器预测结果进行合并，得到信用评估分类结果包括：根据测试样本和动态选择出的所述多个基分类器中的满足预设条件的所述基分类器，对样本进行分类预测；将基分类器的结果合并后，采用投票策略得到信用评估分类的不同结果。5.根据权利要求1所述的信用评估方法，其特征在于，还包括：获取用户信用数据，作为数据集；在训练并生成多个基分类器之前，根据预设特征依赖度过滤所述数据集中的冗余特征；将所述数据集划分为训练集和验证集。6.一种基于特征依赖度的信用评估装置，其特征在于，包括：生成模块，用于生成多...

【专利技术属性】
技术研发人员：王宝，
申请(专利权)人：东方银谷北京科技发展有限公司，
类型：发明
国别省市：北京,11