【技术实现步骤摘要】
基于算法模型的评级方法、装置、电子设备及存储介质
本专利技术涉及人工智能领域,尤其涉及一种基于算法模型的评级的方法、装置及计算机可读存储介质。
技术介绍
目前对小微企业的企业等级的评定,主要采用评分卡方式计算小微企业的评分。若所述评分满足某一等级的阈值,则认为该小微企业属于该等级。同时还有一种采用机器学习算法构建对应的评级模型,从而实现单个数据源的等级评分的输出。上述方法主要存在以下缺陷:只使用单一种算法,结果的精确度较低,因此,上述方法在占用了过多计算机资源以及人力资源的情况下,并未达到应有的效果。此外,现有评级方法还存在下述问题:在小微企业内部业务变更时,无法对小微企业的评级进行更新。
技术实现思路
本专利技术提供一种基于算法模型的评级方法、装置及计算机可读存储介质,其主要目的在于使用多种算法全面评定企业等级,提高评级结果的准确性、增强评定方式的整体灵活性的问题。为实现上述目的,本专利技术提供的一种基于算法模型的评级方法,包括:获取用户数据集,根据所述用户数据集的数据特征,构建多个原始子模型,并对所述多个原始子模型进行训练,得到模型训练结果;根据所述模型训练结果,对所述多个原始子模型进行参数调优,得到多个最优参数子模型;利用预设的评估算法对所述多个最优参数子模型进行选择,得到多个高分子模型;根据预设的精确合并算法将所述多个高分子模型合并为主模型;获取待判断用户数据集,将所述待判断用户数据集输入至所述主模型,根据所述主模型的输出结果,得到所 ...
【技术保护点】
1.一种基于算法模型的评级方法,其特征在于,所述方法包括:/n获取用户数据集,根据所述用户数据集的数据特征,构建多个原始子模型,并对所述多个原始子模型进行训练,得到模型训练结果;/n根据所述模型训练结果,对所述多个原始子模型进行参数调优,得到多个最优参数子模型;/n利用预设的评估算法对所述多个最优参数子模型进行选择,得到多个高分子模型;/n根据预设的精确合并算法将所述多个高分子模型合并为主模型;/n获取待判断用户数据集,将所述待判断用户数据集输入至所述主模型,根据所述主模型的输出结果,得到所述待判断用户数据集的等级评级结果,将所述等级评级结果输出给用户。/n
【技术特征摘要】
1.一种基于算法模型的评级方法,其特征在于,所述方法包括:
获取用户数据集,根据所述用户数据集的数据特征,构建多个原始子模型,并对所述多个原始子模型进行训练,得到模型训练结果;
根据所述模型训练结果,对所述多个原始子模型进行参数调优,得到多个最优参数子模型;
利用预设的评估算法对所述多个最优参数子模型进行选择,得到多个高分子模型;
根据预设的精确合并算法将所述多个高分子模型合并为主模型;
获取待判断用户数据集,将所述待判断用户数据集输入至所述主模型,根据所述主模型的输出结果,得到所述待判断用户数据集的等级评级结果,将所述等级评级结果输出给用户。
2.如权利要求1所述的基于算法模型的评级方法,其特征在于,所述用户数据集存储于区块链中,及所述根据所述用户数据集的数据特征,构建多个原始子模型,包括:
对所述用户数据集进行筛选,得到有效用户数据集;
根据所述有效用户数据集内数据的数据类型将所述用户数据集分成多个子用户数据集;
根据所述子用户数据集的数据特征,分别选择相应的机器学习算法构建多个原始子模型。
3.如权利要求1所述的基于算法模型的评级方法,其特征在于,所述根据所述模型训练结果,对所述多个原始子模型进行参数调优,得到多个最优参数子模型,包括:
将所述训练结果与原正确结果的比值作为所述原始子模型的判断精确度;
将所述判断精确度并与预设的准确度标准阈值进行比较;
若所述判断精确度低于所述标准阈值,则使用预设的参数调整方法调整所述多个原始子模型的参数;
直至所述判断精确度大于或等于所述标准阈值,得到多个最优参数子模型。
4.如权利要求3所述的基于算法模型的评级方法,其特征在于,所述利用预设的评估算法对所述多个最优参数子模型进行选择,得到多个高分子模型,包括:
根据预设的评估算法,得到各所述最优参数子模型的评分;
保留评分值大于或等于预设的评分阈值的最优参数子模型,得到所述高分子模型。
5.如权利要求4所述的基于算法模型的评级方法,其特征在于,所述根据预设的评估算法,得到各所述最优参数子模型的评分,包括:
采用下述算法计算每一个所述最优参数子模型的评分:
Score=avg(auc,ks,-log(psi))
其中,Score是各所述最优参数子模型在统一评估指标下的评分,auc是各原始子模型的判断精...
【专利技术属性】
技术研发人员:张嘉荣,
申请(专利权)人:平安银行股份有限公司,
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。