【技术实现步骤摘要】
信用模型训练方法、信用评分方法、装置及电子设备
本专利技术涉及人工智能技术，尤其涉及一种信用模型训练方法、信用评分方法、装置、电子设备及存储介质。
技术介绍
人工智能(AI，ArtificialIntelligence,)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。机器学习(ML，MachineLearning)是一门多领域交叉学科，是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及各个领域。信用评估是机器学习的重要的应用分支，信用模型能够用户的信用情况进行评估，从而可根据评分实施对应的策略，如对申请信用卡的用户进行信用评分，从而决定是否核卡，核卡的额度及卡等级等；如对申请小额现金贷的用户进行信用评分，从而进行差异化的利率定价。相关技术提供的信用模型方案中，根据原始特征生成的特征组合与信用结果之间的关联性低，对于训练出的信用模型，存在信用评分的准确性不理想的情况。
技术实现思路
本专...
【技术保护点】
1.一种信用模型训练方法，其特征在于，包括：/n从样本信用数据中提取原始特征；/n根据所述原始特征生成包括多个特征组合的初代特征群，对所述初代特征群进行特征交叉操作及特征突变操作，得到子代特征群；/n对所述子代特征群进行迭代，并在每次迭代后，确定得到的特征组合的适应度，根据所述适应度选取特征组合构成新的子代特征群；/n当迭代得到的结果满足停止条件时，停止迭代，得到终代特征群；/n构建信用模型，根据所述终代特征群及所述样本信用数据更新所述信用模型的参数。/n
【技术特征摘要】
1.一种信用模型训练方法，其特征在于，包括：
从样本信用数据中提取原始特征；
根据所述原始特征生成包括多个特征组合的初代特征群，对所述初代特征群进行特征交叉操作及特征突变操作，得到子代特征群；
对所述子代特征群进行迭代，并在每次迭代后，确定得到的特征组合的适应度，根据所述适应度选取特征组合构成新的子代特征群；
当迭代得到的结果满足停止条件时，停止迭代，得到终代特征群；
构建信用模型，根据所述终代特征群及所述样本信用数据更新所述信用模型的参数。
2.根据权利要求1所述的信用模型训练方法，其特征在于，
所述特征交叉操作，包括：
任意选取两个特征组合，根据设定的特征交叉概率对选取的两个特征组合进行特征交叉；
所述特征突变操作包括：
任意选取一个特征组合，根据设定的特征突变概率对选取的特征组合进行特征突变。
3.根据权利要求2所述的信用模型训练方法，其特征在于，
所述根据设定的特征交叉概率对选取的两个特征组合进行特征交叉，包括：
根据设定的子树融合概率对选取的两个特征组合进行子树融合，根据设定的子树替换概率对选取的两个特征组合进行子树替换，其中，所述子树融合概率和所述子树替换概率之和为所述特征交叉概率；
所述根据设定的特征突变概率对选取的特征组合进行特征突变，包括：
根据设定的子树突变概率对选取的特征组合进行子树突变，根据设定的点突变概率对选取的特征组合进行点突变，其中，所述子树突变概率和所述点突变概率之和为所述特征突变概率。
4.根据权利要求1所述的信用模型训练方法，其特征在于，所述对所述子代特征群进行迭代，包括：
在每次迭代中，对所述子代特征群重复执行所述特征交叉操作及所述特征突变操作，直至所述子代特征群中的特征组合的数量满足当前轮次迭代对应的子代数量，且得到的每个特征组合对应二叉树的高度满足设定的高度条件。
5.根据权利要求1所述的信用模型训练方法，其特征在于，所述确定得到的特征组合的适应度，包括：
将所述子代特征群内的特征组合，与所述样本信用数据包括的信用结果之间的线性相关系数确定为适应度；或者，
将...
【专利技术属性】
技术研发人员：徐良，岳亚丁，戴兴虎，何柏英，王林波，张紫辉，龚磊，刘嘉，
申请(专利权)人：腾讯科技深圳有限公司，
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。