【技术实现步骤摘要】
风险因子预测方法、装置、设备及介质
本专利技术涉及人工智能
，尤其涉及一种风险因子预测方法、装置、设备及介质。
技术介绍
目前，为了更好的进行企业管理和经营，大部分企业都越来越重视经营过程中的风险预测，以辅助企业进行长久的发展。针对风险预测这一问题，现有技术中主要采用的方式是直接进行影响因子的重要性排序，并根据排序结果由高到低的顺序进行风险因子的预测。在上述解决方案中，由于因子重要性只代表了从模型总体角度出发的观测结果，因此，对于样本个体的差异解释性较为薄弱。并且，因子重要性作为标量，其大小仅仅展现了某个因子重要性程度的强弱，无法表示出该因子对于模型结果到底是起到了正向作用还是反向作用，导致预测的风险因子准确性及可解释性都不足。
技术实现思路
鉴于以上内容，有必要提供一种风险因子预测方法、装置、设备及介质，能够提高模型的可解释性，加强差异分析，进而直观且量化的辅助企业进行准确的风险预测。一种风险因子预测方法，所述风险因子预测方法包括：响应于风险因子预测指令，根据所述风...
【技术保护点】
1.一种风险因子预测方法，其特征在于，所述风险因子预测方法包括：/n响应于风险因子预测指令，根据所述风险因子预测指令获取第一训练样本；/n根据所述第一训练样本训练第一预设模型，得到分类模型；/n将所述第一训练样本输入至所述分类模型，并获取所述分类模型的输出数据构建第二训练样本；/n根据所述第二训练样本训练第二预设模型，得到回归模型；/n获取候选因子；/n调用所述分类模型对所述候选因子进行分类，得到分类结果，并根据所述分类结果构建嵌入向量；/n将所述嵌入向量输入至所述回归模型，并获取所述回归模型的输出数据作为矢量因子；/n对所述矢量因子进行筛选，得到风险因子。/n
【技术特征摘要】
1.一种风险因子预测方法，其特征在于，所述风险因子预测方法包括：
响应于风险因子预测指令，根据所述风险因子预测指令获取第一训练样本；
根据所述第一训练样本训练第一预设模型，得到分类模型；
将所述第一训练样本输入至所述分类模型，并获取所述分类模型的输出数据构建第二训练样本；
根据所述第二训练样本训练第二预设模型，得到回归模型；
获取候选因子；
调用所述分类模型对所述候选因子进行分类，得到分类结果，并根据所述分类结果构建嵌入向量；
将所述嵌入向量输入至所述回归模型，并获取所述回归模型的输出数据作为矢量因子；
对所述矢量因子进行筛选，得到风险因子。
2.如权利要求1所述的风险因子预测方法，其特征在于，所述根据所述风险因子预测指令获取第一训练样本包括：
解析所述风险因子预测指令，得到所述风险因子预测指令所携带的信息；
获取与地址对应的预设标签；
根据所述预设标签构建正则表达式；
根据所述正则表达式遍历所述风险因子预测指令所携带的信息，并将遍历到的信息确定为目标地址；
链接至所述目标地址，并获取所述目标地址存储的信息生成所述第一训练样本。
3.如权利要求2所述的风险因子预测方法，其特征在于，所述获取所述目标地址存储的信息生成所述第一训练样本包括：
根据所述目标地址存储的信息构建随机森林；
确定所述目标地址存储的信息中每个信息，在所述随机森林中每个决策树的各个节点处的节点重要度；
根据每个信息所述的节点重要度，确定每个信息在各决策树中的重要度；
根据每个信息在每个决策树中的重要度确定每个信息在所述随机森林中的重要度；
将每个信息在所述随机森林中的重要度确定为每个信息的权重；
获取所述权重大于或者等于配置权重的信息构建所述第一训练样本。
4.如权利要求1所述的风险因子预测方法，其特征在于，所述根据所述第二训练样本训练第二预设模型，得到回归模型包括：
将所述第二训练样本确定为虚拟因子训练逻辑回归模型；
获取所述逻辑回归模型的损失函数，并在所述损失函数中添加L1正则项，得到目标损失函数；
当所述目标损失函数达到收敛时，停止训练，得到所述回归模型。
5.如权利要求1所述的风险因子预测方法，其特征在于，所述根据所述分类结果构建嵌入向量包括：
根据所述分...
【专利技术属性】
技术研发人员：周骏红，段洪云，彭琛，
申请(专利权)人：平安科技深圳有限公司，
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。