【技术实现步骤摘要】
一种模型训练方法、装置及电子设备
[0001]本申请涉及机器学习领域，尤其涉及一种模型训练方法、装置及电子设备。
技术介绍
[0002]随着国内对信贷行业监管越来越严，大量有贷款需求的客户涌入银行市场，银行间争夺贷款客户和扩大市场份额的竞争日益激烈。如果盲目的推销贷款产品，会使得客户觉得生活被骚扰，生出反感，以客户服务为中心的精准营销方式显得尤为重要。如何从银行系统庞大的客户数据中挖掘出潜在有价值的信息，预测有贷款需求的客户，同时对客户进行细分，针对不同客群定制不同的营销策略，推动存量客户使用贷款，是目前银行数据化精准营销的重点。
[0003]机器学习是研究怎样使用计算机模拟或实现人类学习活动的科学，是人工智能中最具智能特征，最前沿的研究领域之一，通过机器学习建立数据模型，预测未来周期内有某项贷款需求的客户，并对预测结果进行客户分群，为精准营销提供客户名单和营销策略是未来重要研究方向。
技术实现思路
[0004]本申请实施例在于提供一种模型训练方法、装置及电子设备，以解决现有技术中存在无法准确的根据客...
【技术保护点】
【技术特征摘要】
1.一种模型训练方法，其特征是，所述方法包括：获取客户多个维度的特征数据，其中，所述多个维度的特征数据包括客户的基本属性数据、产品持有数据、资产信息数据、贷款信息数据和交易信息数据；将第一观察期内的所述多个维度的特征数据作为建模变量，获取第一表现期内客户的行为结果作为预测标签对待训练的第一模型、第二模型和第三模型中进行训练和测试，获得已训练的第一模型、已训练的第二模型和已训练的第三模型。2.根据权利要求1所述的模型训练方法，其特征是，所述方法还包括：以客户的基本属性数据作为基础表，将产品持有数据、资产信息数据、贷款信息数据和交易信息数据合并至所述基础表中。3.根据权利要求1所述的模型训练方法，其特征是，所述方法还包括：对所述多个维度的特征数据进行数据处理，其中，所述数据处理包括对所述多个维度的特征数据中离散型变量进行哑变量编码，对所述多个维度的特征数据中所有变量进行max
‑
min归一化处理获得标准化数据。4.根据权利要求3所述的模型训练方法，其特征是，对所述多个维度的特征数据进行数据处理之前，对所述多个维度的特征数据中离散型变量的缺失以“缺失“进行标记，对所述多个维度的特征数据中连续型变量的缺失用0进行填充。5.根据权利要求3所述的模型训练方法，其特征是，所述方法还包括：将所述标准化数据划分为训练集和预测集；将所述训练集输入至待训练的第一模型、第二模型和第三模型中进行训练和测试，获得已训练的第一模型、已训练的第二模型和已训练的第三模型，其中，所述第一模型为逻辑回归模...
【专利技术属性】
技术研发人员：樊婷婷，刘振山，高亚萌，
申请(专利权)人：猎鹰智能科技杭州有限公司，
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。