一种模型校准方法、装置、电子设备及计算机可读介质制造方法及图纸

本申请公开了模型校准方法、装置、电子设备及计算机可读介质，涉及计算机技术领域，该方法包括：响应于模型输出异常，调用校准程序以获取对应的风控模型标识，根据风控模型标识获取对应的风控评分集；对各风控评分集进行分组，以得到各第一风控评分组；确定各第一风控评分组对应的坏样本率和风控评分均值；根据坏样本率对各第一风控评分组进行分组，以得到各第二风控评分组；将各第二风控评分组对应的各风控评分均值进行拟合，以生成各拟合数据，进而基于各拟合数据确定风控模型标识对应的回归模型的模型参数，以根据模型参数执行对风控模型标识对应的模型的校准。提高了模型的风险排序性能，提高了模型输出结果的准确性。提高了模型输出结果的准确性。提高了模型输出结果的准确性。

【技术实现步骤摘要】
一种模型校准方法、装置、电子设备及计算机可读介质


[0001]本申请涉及计算机
，尤其涉及一种模型校准方法、装置、电子设备及计算机可读介质。

技术介绍

[0002]目前，消费金融风控场景中，评分卡技术重点关注利用大数据与机器学习模型对客群预测后，输出结果的风险排序，但对于分群建模的应用，在得到多个子模型后，通过多个子模型对各个不同客群进行风控评估后，输出的风控评估结果差异较大。
[0003]在实现本申请过程中，专利技术人发现现有技术中至少存在如下问题：
[0004]对于分群建模的应用，在得到多个子模型后，通过多个子模型对各个不同客群进行风控评估后，输出的风控评估结果差异较大。

技术实现思路

[0005]有鉴于此，本申请实施例提供一种模型校准方法、装置、电子设备及计算机可读介质，能够解决现有的对于分群建模的应用，在得到多个子模型后，通过多个子模型对各个不同客群进行风控评估后，输出的风控评估结果差异较大的问题。
[0006]为实现上述目的，根据本申请实施例的一个方面，提供了一种模型校准方法，被配置成：
[0007]响应于模型输出异常，调用校准程序以获取对应的风控模型标识，根据风控模型标识获取对应的风控评分集；
[0008]对各风控评分集进行分组，以得到各第一风控评分组；
[0009]确定各第一风控评分组对应的坏样本率和风控评分均值；
[0010]根据坏样本率对各第一风控评分组进行分组，以得到各第二风控评分组；
[0011]将各第二风控评分组对应的各风控评分均值进行拟合，以生成各拟合数据，进而基于各拟合数据确定风控模型标识对应的回归模型的模型参数，以根据模型参数执行对风控模型标识对应的模型的校准。
[0012]可选地，对各风控评分集进行分组，包括：
[0013]获取各风控评分集中的各风控评分对应的样本标识；
[0014]基于样本标识和预设的坏样本率阈值，对各风控评分进行分组。
[0015]可选地，对各风控评分集进行分组，包括：
[0016]基于预设的分组数量，对各风控评分集进行等频分组。
[0017]可选地，根据坏样本率对各第一风控评分组进行分组，包括：
[0018]对坏样本率进行聚类，以生成聚类簇；
[0019]根据聚类簇对第一风控评分组进行分组。
[0020]可选地，根据聚类簇对第一风控评分组进行分组，包括：
[0021]将每一个聚类簇对应的各第一风控评分组划分至同一组。
[0022]可选地，将各第二风控评分组对应的各风控评分均值进行拟合，包括：
[0023]将各第二风控评分组对应的各风控评分均值映射至预设的分数范围。
[0024]可选地，在对各风控评分集进行分组之前，方法还包括：
[0025]对各风控评分集中的风控评分进行排序，以得到排序后的各风控评分集；以及
[0026]对各风控评分集进行分组，包括：
[0027]对排序后的各风控评分集进行分组。
[0028]另外，本申请还提供了一种模型校准装置，被配置成：
[0029]获取单元，被配置成响应于模型输出异常，调用校准程序以获取对应的风控模型标识，根据风控模型标识获取对应的风控评分集；
[0030]第一分组单元，被配置成对各风控评分集进行分组，以得到各第一风控评分组；
[0031]计算单元，被配置成确定各第一风控评分组对应的坏样本率和风控评分均值；
[0032]第二分组单元，被配置成根据坏样本率对各第一风控评分组进行分组，以得到各第二风控评分组；
[0033]校准单元，被配置成将各第二风控评分组对应的各风控评分均值进行拟合，以生成各拟合数据，进而基于各拟合数据确定风控模型标识对应的回归模型的模型参数，以根据模型参数执行对风控模型标识对应的模型的校准。
[0034]可选地，第一分组单元进一步被配置成：
[0035]获取各风控评分集中的各风控评分对应的样本标识；
[0036]基于样本标识和预设的坏样本率阈值，对各风控评分进行分组。
[0037]可选地，第一分组单元进一步被配置成：
[0038]基于预设的分组数量，对各风控评分集进行等频分组。
[0039]可选地，第二分组单元进一步被配置成：
[0040]对坏样本率进行聚类，以生成聚类簇；
[0041]根据聚类簇对第一风控评分组进行分组。
[0042]可选地，第二分组单元进一步被配置成：
[0043]将每一个聚类簇对应的各第一风控评分组划分至同一组。
[0044]可选地，校准单元进一步被配置成：
[0045]将各第二风控评分组对应的各风控评分均值映射至预设的分数范围。
[0046]可选地，模型校准装置还包括排序单元，被配置成：
[0047]对各风控评分集中的风控评分进行排序，以得到排序后的各风控评分集；以及
[0048]第一分组单元进一步被配置成：
[0049]对排序后的各风控评分集进行分组。
[0050]另外，本申请还提供了一种模型校准电子设备，被配置成：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上述的模型校准方法。
[0051]另外，本申请还提供了一种计算机可读介质，其上存储有计算机程序，程序被处理器执行时实现如上述的模型校准方法。
[0052]上述专利技术中的一个实施例具有如下优点或有益效果：本申请通过响应于模型输出异常，调用校准程序以获取对应的风控模型标识，根据风控模型标识获取对应的风控评分
集；对各风控评分集进行分组，以得到各第一风控评分组；确定各第一风控评分组对应的坏样本率和风控评分均值；根据坏样本率对各第一风控评分组进行分组，以得到各第二风控评分组；将各第二风控评分组对应的各风控评分均值进行拟合，以生成各拟合数据，进而基于各拟合数据确定风控模型标识对应的回归模型的模型参数，以根据模型参数执行对风控模型标识对应的模型的校准。先对风控评分集进行一次分组，然后根据分组后每组的坏样本率再进行非等频分组，然后对非等频分组后的分组中的风控评分进行拟合，以得到拟合数据，进而根据拟合数据得到各回归模型的模型参数。从而将得到的模型参数应用于各回归模型即可根据不同的输入数据输出在同一范围的模型结果，提高了模型的风险排序性能，提高了模型输出结果的准确性。
[0053]上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
[0054]附图用于更好地理解本申请，不构成对本申请的不当限定。其中：
[0055]图1是根据本申请第一实施例的模型校准方法的主要流程的示意图；
[0056]图2是根据本申请第二实施例的模型校准方法的主要流程的示意图；
[0057]图3a是根据本申请实施例的模型校准方法的模型校准前的模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型校准方法，其特征在于，包括：响应于模型输出异常，调用校准程序以获取对应的风控模型标识，根据所述风控模型标识获取对应的风控评分集；对各所述风控评分集进行分组，以得到各第一风控评分组；确定所述各第一风控评分组对应的坏样本率和风控评分均值；根据所述坏样本率对所述各第一风控评分组进行分组，以得到各第二风控评分组；将各所述第二风控评分组对应的各风控评分均值进行拟合，以生成各拟合数据，进而基于所述各拟合数据确定所述风控模型标识对应的回归模型的模型参数，以根据所述模型参数执行对所述风控模型标识对应的模型的校准。2.根据权利要求1所述的方法，其特征在于，所述对各所述风控评分集进行分组，包括：获取各所述风控评分集中的各风控评分对应的样本标识；基于所述样本标识和预设的坏样本率阈值，对各所述风控评分进行分组。3.根据权利要求1所述的方法，其特征在于，所述对各所述风控评分集进行分组，包括：基于预设的分组数量，对各所述风控评分集进行等频分组。4.根据权利要求1所述的方法，其特征在于，所述根据所述坏样本率对所述各第一风控评分组进行分组，包括：对所述坏样本率进行聚类，以生成聚类簇；根据所述聚类簇对所述第一风控评分组进行分组。5.根据权利要求4所述的方法，其特征在于，所述根据所述聚类簇对所述第一风控评分组进行分组，包括：将每一个聚类簇对应的各第一风控评分组划分至同一组。6.根据权利要求1所述的方法，其特征在于，所述将各所述第二风控评分组对应的各风控评分均值进行拟合，包括：将各所述第二风控评分组对应的各风控评分均值映射至预设的分数范围。7.根据权利要求1所述的方法，其特征在于，在所述对各所述风控评分集进行分组之前，所述方法还包括：对各所述风控评分集中的风控评分进...

【专利技术属性】
技术研发人员：康业猛，唐亚平，董立武，敖兵，
申请(专利权)人：京东科技控股股份有限公司，
类型：发明
国别省市：