一种网点开门预测方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种网点开门预测方法、装置、设备及存储介质，包括：基于网点历史访问信息获取到的网点开门的特征数据，并基于特征数据对机器学习模型进行训练，从而构建网点开门预测模型，并根据网点开门预测模型的训练指标参数进行参数优化，确定最优参数模型对应的网点开门预测模型，进一增强模型的准确性，最终利用网点开门预测模型对各网点是否开门进行预测，解决了目前没有系统性预测并监控周末网点是否开门情况的方案，对零售网点周末是否开门只是使用历史数据加上对应的权重进行简单的周末开门预测，无法自动智能预测网点周末是否开门并监控周末零售网点开门情况的技术问题。题。题。

【技术实现步骤摘要】
一种网点开门预测方法、装置、设备及存储介质


[0001]本申请涉及金融科技
，尤其涉及一种一种网点开门预测方法、装置、设备及存储介质。

技术介绍

[0002]随着数字化浪潮的到来，银行业务的离柜率正在逐渐走高，商业银行网点面临前所未有的转型压力，2018年至2020年中国银行网点数量连续三年下滑；银行前台柜面人员明显减少；银行网点的改造力度一直居高不下。纵观银行数字化的转型历程，技术始终是银行转型的主导因素，目前数字化与智能化正在主导银行网点3.0升级。仍然有很多客户对物理网点具有偏好，此外，物理网点在复杂业务处理、线上线下渠道打通、生态场景融合的角度仍然可以发挥不可替代的角色。
[0003]随着银行业务线上化办理的不断发展，线下银行各网点的业务量及进店量呈下降趋势，甚至个别网点周末无客户进店的情况，为了节省线下银行运营成本以及让客户经理更好的适应线上银行业务办理模式，在不对客户体验造成影响的前提下，需要对周末零售网点是否开门进行精准的预测。
[0004]目前没有系统性预测并监控周末网点是否开门情况的方案，对零售网点周末是本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种网点开门预测方法，其特征在于，包括：S1、根据网点历史访问信息获取所述网点开门的特征数据；S2、将所述特征数据按预设比例分为训练数据以及预测数据；S3、将所述训练数据输入至机器学习模型中进行训练，得到训练后的网点开门预测模型；S4、将所述预测数据输入至所述网点开门预测模型，得到所述网点开门预测模型的训练指标数据；S5、若所述训练指标数据低于第一预设阈值，则根据所述训练数据以及所述预测数据对所述网点开门预测模型进行参数优化，直到所述训练指标数据不低于所述第一预设阈值，得到最优参数模型对应的所述网点开门预测模型；S6、基于所述网点开门预测模型的输出值得到网点的开门预测结果。2.根据权利要求1所述的网点开门预测方法，其特征在于，还包括：获取专家模型；将所述专家模型与所述网点开门预测模型结合，通过误差函数得到所述专家模型与所述网点开门预测模型结合的最优权重结果；根据所述最优权重结果构建所述专家模型与所述网点开门预测模型的混合预测模型。3.根据权利要求1所述的网点开门预测方法，其特征在于，所述步骤S1与所述步骤S2之间还包括：将所述特征数据进行预处理，所述预处理包括清洗所述特征数据以及对所述特征数据与网点开门预测模型的相关性进行分析。4.根据权利要求3所述的网点开门预测方法，其特征在于，所述对所述特征数据与网点开门预测模型的相关性进行分析具体包括：根据对所述特征数据的数学特征方式建立特征工程，得到所述特征数据的线性相关性；建立xgb分类模型，对所述特征数据的有效性进行筛选，确定有效的特征数据。5.根据权利要求1所述的网点开门预测方法，其特征在于，所述步骤S5中根据所述训练数据以及所述预测数据对所述网点开门预测模型进行参数优化具体包括：根据所述训练数据以及所述预测数据，通过超参数模型调优法对所述网点开门预测模型进行参数优化。6.根据权利要求1所述的网点开门预测方法，其特征在于，所述...

【专利技术属性】
技术研发人员：郭丽颍，
申请(专利权)人：平安银行股份有限公司，
类型：发明
国别省市：