模型训练及逾期风险预测方法、装置、设备和介质制造方法及图纸

本申请提供了一种模型训练方法及逾期风险预测方法、装置、设备和介质，在该模型训练方法中，获得多份信贷样本；利用多份信贷样本及信贷样本标注的信贷风险标签训练出综合信贷风险模型；确定多份信贷样本各自归属的信贷样本群；如信贷样本群属于低样本数的信贷样本群，利用综合信贷风险模型确定信贷样本群中各信贷样本的信贷逾期评分，基于信贷样本中各信贷样本的信贷特征数据、信贷逾期评分以及信贷风险标签训练第二模型，得到适用于信贷样本群的子信贷风险模型；其中，信贷样本群的子信贷风险模型用于预测信贷特征数据与信贷样本群匹配的用户存在信贷逾期风险的评分。本申请的方案可以提高模型预测信贷逾期风险的准确度。方案可以提高模型预测信贷逾期风险的准确度。方案可以提高模型预测信贷逾期风险的准确度。

【技术实现步骤摘要】
模型训练及逾期风险预测方法、装置、设备和介质


[0001]本申请涉及数据处理
，尤其涉及一种模型训练及逾期风险预测方法、装置、设备和介质。

技术介绍

[0002]在信贷风险管控中，经常需要利用风险预测模型预测用户存在信贷逾期风险的情况。
[0003]其中，信贷风险管控中的风险预测模型是利用大量信贷样本数据训练得到的。然而，不同信贷客群的信贷样本数据的数据特征具有较大差异性，而利用所有信贷样本数据统一训练得到的风险预测模型并未考虑不同信贷群体的特征差异，从而使得基于风险预测模型进行信贷逾期风险的预测准确度偏低。

技术实现思路

[0004]有鉴于此，本申请提供了一种模型训练及逾期风险预测方法、装置、设备和介质，以实现提高预测信贷逾期风险的准确度。
[0005]为实现上述目的，本申请提供了一种模型训练方法，包括：
[0006]获得多份信贷样本，所述信贷样本包括存在借贷行为的信贷用户关联的信贷特征数据，所述信贷样本标注有信贷风险标签，所述信贷风险标签用于表征所述信贷样本对应的用户是否存在信贷逾期的风险；...

【技术保护点】

【技术特征摘要】
1.一种模型训练方法，其特征在于，包括：获得多份信贷样本，所述信贷样本包括存在借贷行为的信贷用户关联的信贷特征数据，所述信贷样本标注有信贷风险标签，所述信贷风险标签用于表征所述信贷样本对应的用户是否存在信贷逾期的风险；利用所述多份信贷样本以及所述信贷样本标注的信贷风险标签训练第一模型，得到训练出的综合信贷风险模型；确定所述多份信贷样本各自归属的信贷样本群，得到至少一个信贷样本群，所述信贷样本群中包括信贷特征数据的种类相同的至少一个信贷样本，且所述至少一个信贷样本中指定类别的信贷特征数据相同；如基于所述信贷样本群中信贷样本数量确定出所述信贷样本群属于低样本数的信贷样本群，利用所述综合信贷风险模型分别确定所述信贷样本群中各信贷样本对应的信贷逾期评分，基于所述信贷样本中各信贷样本的信贷特征数据、信贷逾期评分以及信贷风险标签训练第二模型，得到适用于所述信贷样本群的子信贷风险模型；其中，所述信贷样本群的子信贷风险模型用于预测信贷特征数据与所述信贷样本群匹配的用户存在信贷逾期风险的评分。2.根据权利要求1所述的方法，其特征在于，还包括：如基于所述信贷样本群中信贷样本数量确定出所述信贷样本群不属于低样本数的信贷样本群，基于所述信贷样本群中各信贷样本的信贷特征数据以及信贷风险标签训练第三模型，得到适用于所述信贷样本群的子信贷风险模型。3.根据权利要求1所述的方法，其特征在于，所述确定所述多份信贷样本各自归属的信贷样本群，包括：基于所述信贷样本中表征信贷业务场景的信贷特征数据，将所述多份信贷样本划归到至少一个信贷样本群，每个信贷样本群中表征信贷业务场景的信贷特征数据相同。4.根据权利要求1所述的方法，其特征在于，所述基于所述信贷样本中各信贷样本的信贷特征数据、信贷逾期评分以及信贷风险标签训练第二模型，包括：确定所述信贷样本群的信贷样本具有的特殊信贷特征数据，所述特殊信贷特征数据为所述信贷样本群之外的其他信贷样本群中的信贷样本不具有的信贷特征数据；至少基于所述信贷样本群中各信贷样本的特殊信贷特征数据、信贷逾期评分以及信贷风险标签训练第二模型。5.根据权利要求1所述的方法，其特征在于，所述基于所述信贷样本群中信贷样本数量确定出所述信贷样本群属于低样本数的信贷样本群，包括：如所述信贷样本群中信贷样本数量与所述多份信贷样本对应的总数量的比值小于设定比值，确定所述信贷样本群属于低样本数的信贷样本群。6.一种逾期风险预测方法，其特征在于，包括：获得待预测的目标用户的目标信贷特征数据；从多个信贷样本群中，确定所述目标信贷特征数据匹配的目...

【专利技术属性】
技术研发人员：胡汤楠，严澄，杨青，
申请(专利权)人：度小满科技北京有限公司，
类型：发明
国别省市：