数据评估方法及装置制造方法及图纸

本申请提供一种数据评估方法及装置，该方法包括：根据历史数据的标准差和标准差的期望值，获取特征数据；对样本数据进行卷积处理，获得样本数据的特征向量，其中，卷积处理的卷积核为特征数据，历史数据包括样本数据；使用样本数据的特征向量和样本数据的标准结果训练径向基函数模型，以获得已训练的径向基函数模型。与现有技术相比，本申请通过特征数据进行卷积处理提取特征向量，然后对径向基函数模型进行训练，之后，使用已训练的径向基函数模型对用户数据进行评估，得到评估结果，避免了主观判断造成的评估结果不准确的问题，以及将卷积与径向基函数模型结合对用户数据进行评估处理，使评估结果更全面，从而提高了数据评估方法的鲁棒性。

【技术实现步骤摘要】
数据评估方法及装置
本申请涉及数据处理
，尤其涉及一种数据评估方法及装置。
技术介绍
随着信息化技术的发展，用户获取的信息越来越多，相应的购买行为也更加广泛，例如，更多的用户可以接触到理财等产品，但是，对于一些风险性较大的理财产品，用户购买后，可能会产生民事纠纷和经济损失，对于这些产品，在用户购买时，需要对用户的购买行为进行风险评估。目前，涉及用户购买行为的风险评估方法主要是通过主观判断的方法，以及在债券领域，根据债券产品的历史值加权分析的评估方法进行风险评估。但是，通过主观判断的方法，没有标准统一的评估标准，评估的准确率较低以及通过主观判断的方法，需要对每个用户进行评估，评估的效率低；债券领域的评估方法仅依赖历史值加权，比较片面，评估的准确率较低，并且仅适用于债券领域，适用性较低。因此，现有的风险评估方法存在鲁棒性差的问题。
技术实现思路
本申请实施例提供一种数据评估方法及装置，以解决现有技术中风险评估方法的鲁棒性差的问题。本申请的第一方面提供一种数据评估方法，所述方法包括：根据历史数本文档来自技高网...

【技术保护点】
1.一种数据评估方法，其特征在于，所述方法包括：/n根据历史数据的标准差和所述标准差的期望值，获取特征数据；/n对样本数据进行卷积处理，获得所述样本数据的特征向量，其中，所述卷积处理的卷积核为所述特征数据，所述历史数据包括所述样本数据；/n使用所述样本数据的特征向量和所述样本数据的标准结果训练径向基函数模型，以获得已训练的径向基函数模型。/n

【技术特征摘要】
1.一种数据评估方法，其特征在于，所述方法包括：
根据历史数据的标准差和所述标准差的期望值，获取特征数据；
对样本数据进行卷积处理，获得所述样本数据的特征向量，其中，所述卷积处理的卷积核为所述特征数据，所述历史数据包括所述样本数据；
使用所述样本数据的特征向量和所述样本数据的标准结果训练径向基函数模型，以获得已训练的径向基函数模型。


2.根据权利要求1所述的数据评估方法，其特征在于，所述历史数据包括标签森林，所述根据历史数据的标准差和所述标准差的期望值，获取特征数据，包括：
根据所述标签森林的叶子节点数据和预设规则，提取出所述历史数据中的部分数据作为样本数据；
根据所述样本数据与所述历史数据之间的所述标准差以及标准差阈值，确定待评估数据；
根据所述待评估数据的所述标准差以及所述标准差的期望值，获取所述特征数据。


3.根据权利要求2所述的数据评估方法，其特征在于，所述根据所述样本数据与所述历史数据之间的所述标准差以及标准差阈值，确定待评估数据，包括：
根据所述标签森林得到所述历史数据的第一概率值、以及所述样本数据的第二概率值；
根据所述第一概率值以及所述第二概率值，得到所述样本数据与所述历史数据之间的所述标准差；
根据所述标准差与标准差阈值，确定所述待评估数据。


4.根据权利要求3所述的数据评估方法，其特征在于，每个所述标签森林包括M个叶子节点数据，每个所述叶子节点数据有T个取值，M、T为整数，所述根据所述标签森林得到所述历史数据的第一概率值、以及所述样本数据的第二概率值，包括：
针对每个所述叶子节点数据，计算所述历史数据中所述叶子节点数据的每个取值的概率，得到所述第一概率值；
以及计算所述样本数据中所述叶子结点数据的每个所述取值的概率，得到所述第二概率值。


5.根据权利要求1-4任一项所述的数据评估方法，其特征在于，所述对样本数据进行卷积处理，获得所述样本数据的特征向量，包括：
将所述特征数据作为卷积核对所述样本数据进行卷积处理，根据所述第二概率值与所述第一概率值，获得所述样本数据的所述特征向量。


6.根据权利要求5所述的数据评估方法，其特征在于，所述根据所述第二概率值与所述第一概率值，获得所述样本数据的所述特征向量，包括；
针对每个所述叶子节点数据的所述取值，若所述第二概率值大于或等于所述第一概率值，...

【专利技术属性】
技术研发人员：贾丽，
申请(专利权)人：中国农业银行股份有限公司，
类型：发明
国别省市：北京;11