本申请公开了一种银行产品的分类方法、装置、设备及可读存储介质，可应用于人工智能领域及金融领域，该方法包括：获取待分类产品的产品信息；将所述产品信息输入利用银行产品的类别影响因素训练好的随机森林分类模型，得到所述随机森林分类模型输出的分类结果；将所述分类结果进行输出。由此，利用通过银行产品的类别影响因素训练好的随机森林分类模型对银行产品进行分类，解决了现有方案依靠相关工作人员的经验进行分类，导致后续研发资源配置不合理的问题，既提高了银行产品分类的效率，又提高了银行产品分类的准确性。提高了银行产品分类的准确性。提高了银行产品分类的准确性。
【技术实现步骤摘要】
一种银行产品的分类方法、装置、设备及可读存储介质
[0001]本申请涉及人工智能领域，特别是涉及一种银行产品的分类方法、装置、设备及可读存储介质。
技术介绍
[0002]目前银行产品数量庞大、产品创新踊跃、同行竞争加剧，需要进行银行产品的全生命周期管理，在抢占市场和客户方面面临诸多挑战和问题。
[0003]银行产品的分类对于银行产品的全生命周期管理非常重要，需要依据银行产品分类情况配置研发资源，进行产品研发，并实现对目标客户的营销。因此对银行产品的正确分类有利于解决后续的研发资源配置不合理和产品研发效率低下的问题，实现对目标客户营销的精准度。现有方案依靠相关工作人员的经验，以经验判断方法进行划分，导致存在银行产品分类不准确以及分类效率低下的问题。
[0004]因此，如何在保证银行产品分类效率的同时提高银行产品的分类准确性，是本领域技术人员急需解决的问题。
技术实现思路
[0005]基于上述问题，本申请提供了一种银行产品的分类方法、装置、设备及可读存储介质，利用通过银行产品的类别影响因素训练好的随机森林分类模型对银行产品进行分类，解决了现有方案依靠相关工作人员的经验进行分类，导致存在银行产品分类不准确以及分类效率低下的问题。
[0006]第一方面，本申请提供了一种银行产品的分类方法，包括：
[0007]获取待分类产品的产品信息；
[0008]将所述产品信息输入利用银行产品的类别影响因素训练好的随机森林分类模型，得到所述随机森林分类模型输出的分类结果；
[0009]将所述分类结果进行输出。
[0010]可选的，所述将所述产品信息输入利用银行产品的类别影响因素训练好的随机森林分类模型，得到所述随机森林分类模型输出的分类结果之前，还包括：
[0011]从训练集中获取训练用产品；
[0012]采集所述训练用产品的产品分类要素数据；
[0013]对所述产品分类要素数据进行预处理，得到训练用特征数据；
[0014]利用所述训练用特征数据对随机森林分类模型进行训练。
[0015]可选的，所述从训练集中获取训练用产品之前，还包括：
[0016]获取多个银行产品；
[0017]将所述多个银行产品以7:3的比例划分为训练集和测试集。
[0018]可选的，所述对所述产品分类要素数据进行预处理，得到训练用特征数据，包括：
[0019]对所述产品分类要素数据进行编码，统计数据缺失比例；
[0020]根据数据缺失比例，对所述产品分类要素数据进行填补；
[0021]对填补后的所述产品分类要素数据进行标准化处理，得到标准化特征数据；
[0022]对所述标准化特征数据进行筛选得到训练用特征数据。
[0023]可选的，所述对所述产品分类要素数据进行编码，统计数据缺失比例，包括：
[0024]确定所述产品分类要素数据中的离散型特征和连续型特征；
[0025]对所述离散型特征用标签编码的方法进行编码并统计数据缺失比例；
[0026]对所述连续型特征直接统计数据缺失比例。
[0027]可选的，所述根据数据缺失比例，对所述产品分类要素数据进行填补，包括：
[0028]根据数据缺失比例对离散型特征用众数进行填补；
[0029]根据数据缺失比例对连续型特征用均数进行填补。
[0030]可选的，所述对所述标准化特征数据进行筛选得到训练用特征数据，包括：
[0031]利用相关系数去除所述标准化特征数据中相关性超过第一预设阈值的特征，得到第一筛选特征数据；
[0032]利用卡方检测的方式对所述第一筛选特征数据中的连续型特征进行筛选，得到第一训练用特征数据；
[0033]利用方差分析的方式对所述第一筛选特征数据中的离散型特征进行筛选，得到第二训练用特征数据；
[0034]获取训练用特征数据，所述训练用特征数据包括所述第一训练用特征数据和所述第二训练用特征数据。
[0035]第二方面，本申请提供了一种银行产品的分类装置，包括：
[0036]获取模块，用于获取待分类产品的产品信息；
[0037]分类模块，用于将所述产品信息输入利用银行产品的类别影响因素训练好的随机森林分类模型，得到所述随机森林分类模型输出的分类结果；
[0038]输出模块，用于将所述分类结果进行输出。
[0039]第三方面，本申请提供了一种银行产品的分类设备，包括：
[0040]存储器，用于存储计算机程序；
[0041]处理器，用于执行所述计算机程序时实现如上述任一项所述银行产品的分类方法的步骤。
[0042]第四方面，本申请提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述银行产品的分类方法的步骤。
[0043]从以上技术方案可以看出，相较于现有技术，本申请具有以下优点：
[0044]本申请首先获取待分类产品的产品信息。然后将产品信息输入利用银行产品的类别影响因素训练好的随机森林分类模型，得到随机森林分类模型输出的分类结果。最后将分类结果进行输出。由此，利用根据银行产品的类别影响因素训练好的随机森林分类模型对银行产品进行分类，解决了现有方案依靠相关工作人员的经验进行分类，导致后续研发资源配置不合理的问题，既提高了银行产品分类的效率，又提高了银行产品分类的准确性。
附图说明
[0045]图1为本申请提供的一种银行产品的分类方法的流程图；
[0046]图2为本申请提供的一种银行产品的分类装置的结构示意图。
具体实施方式
[0047]正如前文所述，现有的方案依靠相关工作人员的经验，以经验判断方法进行划分，导致存在银行产品分类不准确以及分类效率低下的问题。具体来说，银行产品的分类对于银行产品的全生命周期管理非常重要，需要依据银行产品分类情况配置研发资源，进行产品研发，并实现对目标客户的营销。因此对银行产品的正确分类有利于解决后续的研发资源配置不合理和产品研发效率低下的问题，实现对目标客户营销的精准度。而现有方案主要依靠相关工作人员的经验，以经验判断方法进行划分，由于以客户为中心、统一规范的标准划分方法，导致存在银行产品的分类不准确以及分类效率低下的问题，进而造成后续的研发资源配置不合理，产品研发效率低下。
[0048]为解决上述问题，本申请提供了一种银行产品的分类方法，包括：首先获取待分类产品的产品信息。然后将产品信息输入利用银行产品的类别影响因素训练好的随机森林分类模型，得到随机森林分类模型输出的分类结果。最后将分类结果进行输出。
[0049]如此，利用通过银行产品的类别影响因素训练好的随机森林分类模型对银行产品进行分类，解决了现有方案依靠相关工作人员的经验进行分类，导致后续研发资源配置不合理的问题，既提高了银行产品分类的效率，又提高了银行产品分类的准确性。
[0050]需要说明的是，本申本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种银行产品的分类方法，其特征在于，所述方法包括：获取待分类产品的产品信息；将所述产品信息输入利用银行产品的类别影响因素训练好的随机森林分类模型，得到所述随机森林分类模型输出的分类结果；将所述分类结果进行输出。2.根据权利要求1所述的方法，其特征在于，所述将所述产品信息输入利用银行产品的类别影响因素训练好的随机森林分类模型，得到所述随机森林分类模型输出的分类结果之前，还包括：从训练集中获取训练用产品；采集所述训练用产品的产品分类要素数据；对所述产品分类要素数据进行预处理，得到训练用特征数据；利用所述训练用特征数据对随机森林分类模型进行训练。3.根据权利要求2所述的方法，其特征在于，所述从训练集中获取训练用产品之前，还包括：获取多个银行产品；将所述多个银行产品以7:3的比例划分为训练集和测试集。4.根据权利要求2所述的方法，其特征在于，所述对所述产品分类要素数据进行预处理，得到训练用特征数据，包括：对所述产品分类要素数据进行编码，统计数据缺失比例；根据数据缺失比例，对所述产品分类要素数据进行填补；对填补后的所述产品分类要素数据进行标准化处理，得到标准化特征数据；对所述标准化特征数据进行筛选得到训练用特征数据。5.根据权利要求4所述的方法，其特征在于，所述对所述产品分类要素数据进行编码，统计数据缺失比例，包括：确定所述产品分类要素数据中的离散型特征和连续型特征；对所述离散型特征用标签编码的方法进行编码并统计数据缺失比例；对所述连续型特征直...
【专利技术属性】
技术研发人员：王苛，
申请(专利权)人：中国银行股份有限公司，
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。