【技术实现步骤摘要】
一种用户分类方法、装置、电子设备及存储介质
本专利技术涉及计算机
,尤其涉及一种用户分类方法、装置、电子设备及存储介质。
技术介绍
现有的用户分类方法,多是通过用户基础信息,用户借款行为等数据建立评分卡模型,根据评分卡分数对用户的还款类型进行分类。建模前对用户信息变量进行处理,包括筛选和分箱:筛选多以变量的IV值作为筛选依据,分箱多以等频分箱、等距分箱或WOE分箱等方式为主。建模时多以逻辑回归,决策树等较单一的机器学习模型为主。而这些变量处理方式和模型建立方式输出的结果粒度相对比较粗,对不同时期用户行为分类有较大偏差。
技术实现思路
本专利技术实施例的目的在于提供一种用户分类方法、装置、电子设备及存储介质,以解决上述变量处理方式和模型建立方式输出的结果粒度相对比较粗,对不同时期用户行为分类有较大偏差问题。具体技术方案如下:第一方面,提供了一种用户分类方法,包括:获取待分类用户的多个用户行为信息,并基于所述用户行为信息确定用户特征变量;将各所述用户特征变量按照预设转化规则转化成第一入模变量;按照用户行为信息,将各所述第一入模变量输入行为分类模型中对应的子模型,以使各子模型对第一入模变量进行评分,得到多个行为特征分数;将多个所述行为特征分数进行分箱,计算各分箱对应的WOE值;将各分箱对应的所述WOE值输入评分卡模型,得到所述待分类用户的用户类别。可选地,所述将各所述用户特征变量按照预设转化规则转化成第一入模变量,包括:计算各所述用户 ...
【技术保护点】
1.一种用户分类方法,其特征在于,所述方法包括:/n获取待分类用户的多个用户行为信息,并基于所述用户行为信息确定用户特征变量;/n将各所述用户特征变量按照预设转化规则转化成第一入模变量;/n按照用户行为信息,将各所述第一入模变量输入行为分类模型中对应的子模型,以使各子模型对第一入模变量进行评分,得到多个行为特征分数;/n将多个所述行为特征分数进行分箱,计算各分箱对应的WOE值;/n将各分箱对应的所述WOE值输入评分卡模型,得到所述待分类用户的用户类别。/n
【技术特征摘要】
1.一种用户分类方法,其特征在于,所述方法包括:
获取待分类用户的多个用户行为信息,并基于所述用户行为信息确定用户特征变量;
将各所述用户特征变量按照预设转化规则转化成第一入模变量;
按照用户行为信息,将各所述第一入模变量输入行为分类模型中对应的子模型,以使各子模型对第一入模变量进行评分,得到多个行为特征分数;
将多个所述行为特征分数进行分箱,计算各分箱对应的WOE值;
将各分箱对应的所述WOE值输入评分卡模型,得到所述待分类用户的用户类别。
2.根据权利要求1所述的方法,其特征在于,所述将各所述用户特征变量按照预设转化规则转化成第一入模变量,包括:
计算各所述用户特征变量的IV值,对多个所述IV值排序,选取IV值最大的多个用户特征变量作为第一输入变量;
将各所述用户特征变量利用随机森林模型进行重要性排序,选取重要性最高的多个用户特征变量中,与所述第一输入变量不同的用户特征变量,作为第二输入变量;
将各所述用户特征变量利用lightGBM模型进行重要性排序,选取重要性最高的多个用户特征变量中,与所述第二输入变量不同的用户特征变量,作为第三输入变量;
将第一输入变量、第二输入变量及第三输入变量进行去重合并,得到所述第一入模变量。
3.根据权利要求2所述的方法,其特征在于,所述计算各所述用户特征变量的IV值,包括:
将各所述用户特征变量进行分箱处理,得到多个分箱,每个分箱包含一个或多个用户特征变量;
计算各分箱中用户特征变量的WOE值;
针对每个分箱中用户特征变量的WOE值,计算各所述用户特征变量的IV值。
4.根据权利要求3所述的方法,其特征在于,所述计算各所述用户特征变量的IV值,还包括:
针对每个所述用户特征变量,获取与所述用户特征变量相关联的第一相关特征变量;
将所述用户特征变量和所述第一相关特征变量组合,得到新的用户特征变量,并执行将各所述用户特征变量进行分箱处理,得到多个分箱的步骤。
5.根据权利要求1所述的方法,其特征在于,所述将第一入模变量输入行为分类模型之前,所述方法还包括:
将所述第一入模变量输入反欺诈模型,得到反欺诈意向值;
将反欺诈意向值与预设欺诈意向值比较;
若反欺诈意向值小于或等于预设欺诈意向值,则执行将第一入模变量输入行为分类模型的步骤。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
判断所述待分类用户的用户类别...
【专利技术属性】
技术研发人员:张雯倩,刘慈文,李晓晓,常远芳,吴梦瑶,文芷晴,
申请(专利权)人:上海晓途网络科技有限公司,
类型:发明
国别省市:上海;31
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。