一种评级模型训练方法和装置制造方法及图纸

本发明专利技术公开了一种评级模型训练方法和装置，涉及计算机技术领域。该方法的一具体实施例包括：根据所接收的评级资料，自动获取监管数据；根据所述评级资料和所述监管数据，构建训练样本和验证样本；根据所述训练样本构建基础评级模型；根据所述验证样本，对所述基础评级模型进行模型泛化性能验证，如果验证结果不满足预设准确度阈值，则对所述基础评级模型进行进一步的训练；根据训练后的数据构建优化评级模型；并且基于对所述基础评级模型与所述优化评级模型的对比调整，获得最终评级模型。本发明专利技术还公开了一种评级模型训练装置。

【技术实现步骤摘要】
一种评级模型训练方法和装置
本专利技术涉及计算机
，尤其涉及一种评级模型训练方法和评级模型训练装置。
技术介绍
地方金融机构现有评级体系往往采取线下人工打分的形式，监管指标涉及数量多，实际评级时计算复杂，结果更新慢，造成较大的监管人力资源和时间成本投入。本专利技术提供一种人工智能的地方金融机构监管评级模型的训练方法，通过信息化手段不断提高评级结果的精确程度，节约人力成本和时间成本。地方金融机构评级模型建立了指标之间的关联和权重关系，通过增加精确度和召回率来对参数进行调和，在数据采集阶段运用机器学习匹配相关函数，建立多指标、多维度、多向量的识别模式，充分考虑模型的复杂性以及模型的准确性，才能建立了更加精确可靠的评级模型。现有监管评级模型假设指标之间无关联关系，通过单一指标的加工计算形成评级得分，往往未考虑指标之间的关联和权重关系，与本方案相似度不高。传统的监管评级模型加工方法通常采用接入业务数据形成单一指标，通过计算指标归集形成指数，利用指数与阈值的关系进行区间打分，最终根据加总的得分匹配对应的评级结果。传统的评级方法有一定本文档来自技高网...

【技术保护点】
1.一种评级模型训练方法，其特征在于，包括：/n根据所接收的评级资料，自动获取监管数据；/n根据所述评级资料和所述监管数据，构建训练样本和验证样本；/n根据所述训练样本构建基础评级模型；/n根据所述验证样本，对所述基础评级模型进行模型泛化性能验证，如果验证结果不满足预设准确度阈值，则对所述基础评级模型进行进一步的训练；/n根据训练后的数据构建优化评级模型；并且/n基于对所述基础评级模型与所述优化评级模型的对比调整，获得最终评级模型。/n

【技术特征摘要】
1.一种评级模型训练方法，其特征在于，包括：
根据所接收的评级资料，自动获取监管数据；
根据所述评级资料和所述监管数据，构建训练样本和验证样本；
根据所述训练样本构建基础评级模型；
根据所述验证样本，对所述基础评级模型进行模型泛化性能验证，如果验证结果不满足预设准确度阈值，则对所述基础评级模型进行进一步的训练；
根据训练后的数据构建优化评级模型；并且
基于对所述基础评级模型与所述优化评级模型的对比调整，获得最终评级模型。


2.如权利要求1所述的方法，其特征在于，所述训练样本包括训练集和测试集。


3.如权利要求2所述的方法，其特征在于，所述训练集和测试集的关系为4比1。


4.如权利要求1所述的方法，其特征在于，所述验证样本包括根据获取的监管数据提取的模型特征、关联关系的交叉特征、偏离值特征以及实际的业务场景存在的隐晦特征。


5.如权利要求1所述的方法，其特征在于，根据所述训练样本构建基础评级模型，包括：
根据所述训练样本中的训练集，基于机器学习算法构建所述基础评级模型。


6.如权利要求1所述的方法，其特征在于，对所述基础评级模型进行进一步的训练，包括：
通过调整所述评级模型构建过程中的参数配置，以及调整所述评级模型构建过程中的样本结构，对所述基础评级模型进行进一步的训练。


7.如权利要求6所述的方法，其特征在于，调整所述评级模型构建过程中的参数配置，包括：
调整指标间交叉特征关联方式、证据...

【专利技术属性】
技术研发人员：张东凯，吴勇，卢世温，陈亚君，蔡朴锐，李宁，
申请(专利权)人：中国建设银行股份有限公司，
类型：发明
国别省市：北京;11