一种农户信贷信用评级模型特征值确定方法及装置制造方法及图纸

本申请提供一种农户信贷信用评级模型特征值确定方法及装置，方法包括：获取用户的多个信贷风险数据，信贷风险数据至少反映用户的信贷情况，根据信贷风险数据确定决策树模型的损失函数，确定损失函数最小化时信贷风险数据的重要性排序，根据重要性排序确定农户信贷信用评级模型的特征值，也就是说，当损失函数最小化时能够确定多个信贷风险数据的重要性排序，重要性排序可以作为确定农户信贷信用评级模型的特征值的影响因素，因此可以利用重要性排序确定特征值，辅助提高农户信贷信用评级模型的分类准确性。型的分类准确性。型的分类准确性。

【技术实现步骤摘要】
一种农户信贷信用评级模型特征值确定方法及装置


[0001]本专利技术涉及计算机领域，特别涉及一种批量交易的测试方法及装置。

技术介绍

[0002]随着银行中，农户信贷业务的飞速发展，为了对已采集的征信数据以及用户信息等丰富的数据资源进行定量分析用户行为，有效评估用户违约风险，已经有各个机构提出了多种农户信贷信用评级模型。农户信贷信用评级模型应具备分类准确性的原则，输入农户信贷评级模型的特征值也会影响模型的分类准确性。
[0003]因此，现在亟需一种农户信贷信用评级模型特征值确定方法及装置。

技术实现思路

[0004]有鉴于此，本申请的目的在于提供一种农户信贷信用评级模型特征值确定方法及装置，能够确定农户信贷信用评级模型特征值，利用特征值提高农户信贷信用评级模型的分类准确性。
[0005]本申请实施例提供了一种农户信贷信用评级模型特征值确定方法，所述方法包括：
[0006]获取用户的多个信贷风险数据，所述信贷风险数据至少反映所述用户的信贷情况；
[0007]根据所述信贷风险数据确定决策树模型的损失函本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种农户信贷信用评级模型特征值确定方法，其特征在于，所述方法包括：获取用户的多个信贷风险数据，所述信贷风险数据至少反映所述用户的信贷情况；根据所述信贷风险数据确定决策树模型的损失函数；确定所述损失函数最小化时所述信贷风险数据的重要性排序；根据所述重要性排序确定农户信贷信用评级模型的特征值。2.根据权利要求1所述的方法，其特征在于，所述确定所述损失函数最小化时所述信贷风险数据的重要性排序包括：调用库函数计算损失函数最小化时的数据集，所述数据集包括多个信贷风险数据；对所述数据集进行归一化，得到所述数据集内信贷风险数据的重要性排序。3.根据权利要求1所述的方法，其特征在于，所述重要性排序根据所述信贷风险数据在所述决策树模型中作为分裂特征频次的相对百分比确定。4.根据权利要求1所述的方法，其特征在于，所述根据所述重要性排序确定农户信贷信用评级模型的特征值包括：根据所述重要性排序以及农户信贷信用评级模型的应用场景确定所述农户信贷信用评级模型的特征值。5.根据权利要求1
‑
4任意一项所述的方法，其特征在于，所述多个信贷风险数据包括分类数据和连续数据，所述分类数据至少包括用户类型、经营主体类型、用户职业、用户文化程度和个人信贷对象，所述连续数据至少包括年收入、年支出、资产负债和经营项目情况。6.一种...

【专利技术属性】
技术研发人员：黎彦宏，肖宇彤，
申请(专利权)人：中国农业银行股份有限公司，
类型：发明
国别省市：