本申请公开了一种对象能力的预测方法和装置、存储介质及电子装置，涉及大数据领域，该对象能力的预测方法包括：获取目标对象的目标特征数据，其中，目标特征数据是目标对象在一组预设特征维度上的数据；将目标特征数据输入到目标预测模型，得到目标预测模型输出的目标资源总量，其中，目标资源总量为基于目标特征数据所预测的、在不发生逾期的情况下目标对象可偿还的交换资源的最大资源量；根据目标资源总量和目标对象的当前资源量，确定目标对象的可偿还资源量，其中，当前资源量为目标对象当前待偿还的交换资源的资源量，解决了相关技术中基于规则模型的评估方式存在由于易受到人为因素的影响导致的能力评估的合理性差的问题。题。题。
【技术实现步骤摘要】
对象能力的预测方法和装置、存储介质及电子装置
[0001]本申请涉及互联网领域，具体而言，涉及一种对象能力的预测方法和装置、存储介质及电子装置。
技术介绍
[0002]目前，在大数据风控领域，在确定对用户执行特定行为时，可以对用户的特定能力进行评估，从而确定是否对该用户执行该特定行为，例如，用户的还款能力是决定贷款申请是否通过的重要评估指标。目前，通过采用以下方式对用户进行能力评估：用专家经验设定规则模型进行评估，例如，基于风控业务专家的经验，人工设定一套规则，以预测用户的还款能力，规则模型输出的是用户的还款能力系数。
[0003]然而，基于规则模型的评估方法，虽然直观易理解，更符合业务常识，但是，制定一套科学全面的规则是非常困难的，依赖于业务专家经验和分析问题是否全面，而且需要耗费较长的时间。基于经验设定的规则模型特征通常不够丰富，导致能力评估的准确性较低。
[0004]并且，由于规则模型评估的是用户的还款能力系数，是否对用户执行特定操作是基于输出的还款能力系数与设置的系数阈值的关系判定的。如果系数阈值设置的不合理，则会导致能力评估的合理性较差。
[0005]由此可见，相关技术中基于规则模型的评估方式，存在由于易受到人为因素的影响导致的能力评估的合理性差的问题。
技术实现思路
[0006]本申请实施例提供了一种对象能力的预测方法和装置、存储介质及电子装置，以至少解决相关技术中基于规则模型的评估方式存在由于易受到人为因素的影响导致的能力评估的合理性差的问题。
[0007]根据本申请实施例的一个方面，提供了一种对象能力的预测方法，包括：获取目标对象的目标特征数据，其中，所述目标特征数据是所述目标对象在一组预设特征维度上的数据；将所述目标特征数据输入到目标预测模型，得到所述目标预测模型输出的目标资源总量，其中，所述目标资源总量为基于所述目标特征数据所预测的、在不发生逾期的情况下所述目标对象可偿还的交换资源的最大资源量；根据所述目标资源总量和所述目标对象的当前资源量，确定所述目标对象的可偿还资源量，其中，所述当前资源量为所述目标对象当前待偿还的交换资源的资源量。
[0008]在一个示例性实施例中，所述获取目标对象的目标特征数据，包括：获取训练样本集，其中，所述训练样本集中的训练样本包含训练对象的第一特征数据和所述训练对象的标注信息，所述训练对象的第一特征数据包含所述训练对象在所述一组预设特征维度上的特征数据，所述训练对象的标注信息用于指示所述训练对象在发生逾期时待偿还的交换资源的总资源量；使用所述训练对象的第一特征数据和所述训练对象的标注信息对初始预测模型进行模型训练，得到所述目标预测模型。
[0009]在一个示例性实施例中，在所述获取训练样本集之前，所述方法还包括：从一组候选对象中筛选出满足目标筛选条件的对象，得到所述训练对象，其中，所述目标筛选条件包括以下至少之一：在预设时间段内，发生逾期的次数达到预设次数阈值，发生逾期的可交换资源量达到预设资源量阈值，交换资源的获取方式为预设获取方式。
[0010]在一个示例性实施例中，所述初始预测模型为梯度提升回归模型；在所述获取训练样本集之前，所述方法还包括：获取所述训练对象的第二特征数据和所述训练对象的标注信息，其中，所述训练对象的第二特征数据包含所述训练对象在一组候选特征维度上的特征数据；通过使用所述训练对象的第二特征数据和所述训练对象的标注信息进行回归模型构建，评估所述一组候选特征中的每个候选特征的重要性，得到所述每个候选特征的重要性评估结果；根据所述每个候选特征的重要性评估结果，从所述一组候选特征中筛选出所述一组预设特征。
[0011]在一个示例性实施例中，所述根据所述每个候选特征的重要性评估结果，从所述一组候选特征中筛选出所述一组预设特征，包括：根据所述每个候选特征的重要性评估结果，从所述一组候选特征中筛选出一组预设特征；分别对所述一组预设特征中的每个预设特征执行以下步骤，得到更新后的所述一组预设特征，其中，在执行以下步骤时，所述每个预设特征为当前预设特征；对当前预设特征进行分箱化处理，得到多个分箱，其中，所述多个分箱中的每个分箱包含所述当前预设特征的一段特征值；分别构建与所述每个分箱对应的参考数据，其中，与所述每个分箱对应的参考数据包含所述每个预设特征的特征值，与所述每个分箱对应的参考数据中，所述当前预设特征的特征值位于所述每个分箱包含的一段特征值以内，除了所述当前预设特征以外的其他预设特征的特征值均相同；将与所述每个分箱对应的参考数据输入到目标回归模型，得到与所述每个分箱对应的预测结果，其中，所述目标回归模型是使用所述训练对象的第二特征数据和所述训练对象的标注信息进行回归模型构建所得到的模型，与所述每个分箱对应的预测结果用于指示根据与所述每个分箱对应的参考数据预测的、在发生逾期时待偿还的交换资源的总资源量；在与所述每个分箱对应的预测结果所指示的总资源量的大小顺序不是预设顺序的情况下，将所述当前预设特征从所述一组预设特征中移除。
[0012]在一个示例性实施例中，所述获取训练样本集包括：获取所述训练对象在所述一组预设特征维度上的特征数据，得到所述训练对象的特征数据；根据所述训练对象的历史资源记录对所述训练对象的交换资源进行回溯，得到所述训练对象在发生逾期时的交换资源，其中，所述历史资源记录用于记录所述训练对象的交换资源的历史状态；根据所述训练对象在发生逾期时的交换资源，确定所述训练对象在发生逾期时待偿还的交换资源的总资源量，得到所述训练对象的标注信息。
[0013]在一个示例性实施例中，在所述根据所述目标资源总量和所述目标对象的当前资源量，确定所述目标对象的可偿还资源量之后，所述方法还包括：在所述可偿还资源量大于或者等于所述目标对象通过目标资源申请所申请的交换资源量的情况下，生成第一指示信息，其中，所述第一指示信息用于指示所述目标资源申请通过；在所述可偿还资源量小于所述目标对象通过所述目标资源申请所申请的交换资源量的情况下，生成第二指示信息，其中，所述第二指示信息用于指示所述目标资源申请未通过。
[0014]根据本申请实施例的另一个方面，还提供了一种对象能力的预测装置，包括：第一
获取单元，用于获取目标对象的目标特征数据，其中，所述目标特征数据是所述目标对象在一组预设特征维度上的数据；输入单元，用于将所述目标特征数据输入到目标预测模型，得到所述目标预测模型输出的目标资源总量，其中，所述目标资源总量为基于所述目标特征数据所预测的、在不发生逾期的情况下所述目标对象可偿还的交换资源的最大资源量；确定单元，用于根据所述目标资源总量和所述目标对象的当前资源量，确定所述目标对象的可偿还资源量，其中，所述当前资源量为所述目标对象当前待偿还的交换资源的资源量。
[0015]在一个示例性实施例中，所述装置包括：第二获取单元，用于在所述获取目标对象的目标特征数据之前，获取训练样本集，其中，所述训练样本集中的训练样本包含训练对象的第一特征数据和所述训练对象的标注信息，所述训练对象的第一特征数据包含所述训本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种对象能力的预测方法，其特征在于，包括：获取目标对象的目标特征数据，其中，所述目标特征数据是所述目标对象在一组预设特征维度上的数据；将所述目标特征数据输入到目标预测模型，得到所述目标预测模型输出的目标资源总量，其中，所述目标资源总量为基于所述目标特征数据所预测的、在不发生逾期的情况下所述目标对象可偿还的交换资源的最大资源量；根据所述目标资源总量和所述目标对象的当前资源量，确定所述目标对象的可偿还资源量，其中，所述当前资源量为所述目标对象当前待偿还的交换资源的资源量。2.根据权利要求1所述的方法，其特征在于，在所述获取目标对象的目标特征数据之前，所述方法还包括：获取训练样本集，其中，所述训练样本集中的训练样本包含训练对象的第一特征数据和所述训练对象的标注信息，所述训练对象的第一特征数据包含所述训练对象在所述一组预设特征维度上的特征数据，所述训练对象的标注信息用于指示所述训练对象在发生逾期时待偿还的交换资源的总资源量；使用所述训练对象的第一特征数据和所述训练对象的标注信息对初始预测模型进行模型训练，得到所述目标预测模型。3.根据权利要求2所述的方法，其特征在于，在所述获取训练样本集之前，所述方法还包括：从一组候选对象中筛选出满足目标筛选条件的对象，得到所述训练对象，其中，所述目标筛选条件包括以下至少之一：在预设时间段内，发生逾期的次数达到预设次数阈值，发生逾期的可交换资源量达到预设资源量阈值，交换资源的获取方式为预设获取方式。4.根据权利要求2所述的方法，其特征在于，所述初始预测模型为梯度提升回归模型；在所述获取训练样本集之前，所述方法还包括：获取所述训练对象的第二特征数据和所述训练对象的标注信息，其中，所述训练对象的第二特征数据包含所述训练对象在一组候选特征维度上的特征数据；通过使用所述训练对象的第二特征数据和所述训练对象的标注信息进行回归模型构建，评估所述一组候选特征中的每个候选特征的重要性，得到所述每个候选特征的重要性评估结果；根据所述每个候选特征的重要性评估结果，从所述一组候选特征中筛选出所述一组预设特征。5.根据权利要求4所述的方法，其特征在于，所述根据所述每个候选特征的重要性评估结果，从所述一组候选特征中筛选出所述一组预设特征，包括：根据所述每个候选特征的重要性评估结果，从所述一组候选特征中筛选出一组预设特征；分别对所述一组预设特征中的每个预设特征执行以下步骤，得到更新后的所述一组预设特征，其中，在执行以下步骤时，所述每个预设特征为当前预设特征；对当前预设特征进行分箱化处理，得到多个分箱，其中，所述多个分箱中的每个分箱包含所述当前预设特征的一段特征值；分别构建与所述每个分箱对应的参考数据，其中，与所述每个分箱对应的参考数据包
含所述每个预设特征的特征值，...
【专利技术属性】
技术研发人员：王帅，
申请(专利权)人：兴业消费金融股份公司，
类型：发明
国别省市：
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。