分布式残差提升算法、装置、计算机设备和存储介质制造方法及图纸

本发明专利技术提供一种分布式残差提升算法、装置、计算机设备和存储介质，所述方法包括：将训练样本输入逻辑回归模型进行训练，得到目标逻辑回归模型；根据所述目标逻辑回归模型，获取样本预测值和样本残差；将所述样本预测值作为机器学习模型的初始条件，并根据所述机器学习模型对所述样本残差进行迭代训练，得到目标机器学习模型；根据所述目标逻辑回归模型输出的样本预测值和所述目标机器学习模型输出的残差预测值，得到所述分布式残差提升算法输出的样本目标预测值。本发明专利技术解决了现有技术基于逻辑回归算法存在精度低的问题，满足了金融机构多样化的评估需求。多样化的评估需求。多样化的评估需求。

【技术实现步骤摘要】
分布式残差提升算法、装置、计算机设备和存储介质


[0001]本专利技术涉及数据预测
，具体涉及一种分布式残差提升算法、装置、计算机设备和存储介质。

技术介绍

[0002]在金融机构信贷业务中常采用评分卡系统对不同客户进行打分，进而从多维度综合评估贷款客户的信用程度。通常用来评估客户信用的比较有效的数据维度包括：客户基本信息、央行征信报告、行内客户存款信息及流水信息、第三方公司提供的征信数据或分数等。上述征信评分除了用来决定贷款申请通过与否，还被用来作为贷款额度、期限、利率评估策略的基础。
[0003]传统的评分卡系统基于逻辑回归算法建立，该评分卡的广泛应用主要基于以下两点优势：(1)逻辑回归算法建立的评分卡稳定性比较高，满足金融信贷行业的业务要求；(2)逻辑回归算法建立的评分卡可解释性比较强，可以适应金融监管机构对信贷申请拒绝原因的抽查要求。
[0004]但是，传统基于逻辑回归算法的评分系统存在评分精确度低的问题，无法满足金融机构的评估需求。

技术实现思路

[0005]针对现有技术中所存在的不足，本专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种分布式残差提升算法，其特征在于，所述算法包括：将训练样本输入逻辑回归模型进行训练，得到目标逻辑回归模型；根据所述目标逻辑回归模型，获取样本预测值和样本残差；将所述样本预测值作为机器学习模型的初始条件，并根据所述机器学习模型对所述样本残差进行迭代训练，得到目标机器学习模型；根据所述目标逻辑回归模型输出的样本预测值和所述目标机器学习模型输出的残差预测值，得到所述分布式残差提升算法输出的样本目标预测值。2.如权利要求1所述的分布式残差提升算法，其特征在于，根据所述目标逻辑回归模型输出的样本预测值和所述目标机器学习模型输出的残差预测值，得到所述分布式残差提升算法输出的样本目标预测值，包括：根据所述目标机器学习模型，得到残差预测值；根据预设残差提升阈值对所述残差预测值进行盖帽截断，得到盖帽截断残差；根据所述目标逻辑回归模型输出的样本预测值和所述盖帽截断残差，得到所述样本目标预测值。3.如权利要求1所述的分布式残差提升算法，其特征在于，根据所述目标逻辑回归模型，得到样本预测值和样本残差，包括：根据所述目标逻辑回归模型，得到样本预测值和所述样本预测值相对应的logit值；根据所述样本预测值相对应的logit值，得到样本残差。4.如权利要求2所述的分布式残差提升算法，其特征在于，所述分布式残差提升算法输出的样本目标预测值表示为：其中，表示样本目标预测值，表示目标逻辑回归模型输出的样本预测值，表示所述目标机器学习模型输出的残差预测值，T表示目标机器学习模型在T步时达到最优。5.如权利要求4所述的分布式残差提升算法，其特征在于，根据所述目标逻辑回归模型输出的样本预测值和所述盖帽截断残差，得到所述样本目标预测值表示为：其中，ε
max
表...

【专利技术属性】
技术研发人员：张云鹤，黄又钢，
申请(专利权)人：张云鹤，
类型：发明
国别省市：