【技术实现步骤摘要】
本申请涉及智能决策，尤其涉及一种团体业务风险的确定方法、装置、设备及存储介质。
技术介绍
1、在金融领域，例如金融保险业务场景，针对团体(企业)的保险业务迅猛发展。金融保险机构大多采用有监督学习中的机器学习模型对团体保险业务进行风险分析。
2、然而，由于团体的特殊性，团体的承保及理赔可能涉及到团体的敏感信息，出于数据安全考虑不便交给金融保险机构使用，这就导致团体保险业务的特征较少、泛化能力较低、容易受噪声影响，使得机器学习模型的泛化能力不足，造成机器学习模型对团体保险业务风险预测的准确率较低。
技术实现思路
1、本申请的主要目的在于提供一种团体业务风险的确定方法、装置、设备及存储介质，旨在提升团体业务风险的预测准确率。
2、第一方面，本申请提供了一种团体业务风险的确定方法，所述方法包括：
3、获取训练数据，所述训练数据为风险团体业务数据对应的风险特征和风险状况的标注；
4、将所述训练数据输入至预设的lightgbm模型中进行处理，得到所述lightgbm模型输出的预测风险概率值；
5、调用预设的归因模型，根据所述预测风险概率值对所述归因模型进行训练，获得所述归因模型的损失函数，并根据所述损失函数调整所述归因模型的系数，得到训练好的归因模型；
6、获取待预测团体业务数据对应的特征，将所述特征输入至所述lightgbm模型中进行处理，得到所述lightgbm模型输出的目标预测风险概率值；
7、通过所述训
8、第二方面，本申请还提供了一种团体业务风险的确定装置，所述装置包括：
9、获取模块，用于获取训练数据，所述训练数据为风险团体业务数据对应的风险特征和风险状况的标注；
10、第一处理模块，用于将所述训练数据输入至预设的lightgbm模型中进行处理，得到所述lightgbm模型输出的预测风险概率值；
11、训练模块，用于调用预设的归因模型，根据所述预测风险概率值对所述归因模型进行训练，获得所述归因模型的损失函数，并根据所述损失函数调整所述归因模型的系数，得到训练好的归因模型；
12、第二处理模块，用于获取待预测团体业务数据对应的特征，将所述特征输入至所述lightgbm模型中进行处理，得到所述lightgbm模型输出的目标预测风险概率值；
13、调整模块，用于通过所述训练好的归因模型对所述目标预测风险概率值进行优化调整，得到所述待预测团体业务数据对应的风险概率值。
14、第三方面，本申请还提供了一种计算机设备，所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如上述的团体业务风险的确定方法的步骤。
15、第四方面，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如上述的团体业务风险的确定方法的步骤。
16、本申请公开了一种团体业务风险的确定方法、装置、设备及可读存储介质，该团体业务风险的确定方法，获取训练数据，训练数据为风险团体业务数据对应的风险特征和风险状况的标注；将训练数据输入至预设的lightgbm模型中进行处理，得到lightgbm模型输出的预测风险概率值；调用预设的归因模型，根据预测风险概率值对所述归因模型进行训练，获得归因模型的损失函数，并根据损失函数调整归因模型的系数，得到训练好的归因模型；获取待预测团体业务数据对应的特征，将特征输入至lightgbm模型中进行处理，得到lightgbm模型输出的目标预测风险概率值；通过训练好的归因模型对目标预测风险概率值进行优化调整，得到待预测团体业务数据对应的风险概率值。通过lightgbm模型的输出对归因模型进行训练，使得归因模型具备对lightgbm模型的输出进行调整优化的能力，提升了归因模型的性能，增强了对lightgbm模型的可解释性，实现通过归因模型弥补lightgbm模型泛化能力不足的缺陷，消除噪声的干扰；那么在面对团体业务风险预测的任务时，便可通过训练好的归因模型对lightgbm模型的输出进行灵活调整，获得更为准确的风险预测结果，同时提升了团体业务风险预测的灵活性和效率。
17、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
本文档来自技高网...【技术保护点】
1.一种团体业务风险的确定方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的团体业务风险的确定方法，其特征在于，所述根据所述预测风险概率值对所述归因模型进行训练，获得所述归因模型的损失函数，包括：
3.根据权利要求2所述的团体业务风险的确定方法，其特征在于，所述获取L1平方损失项，包括：
4.根据权利要求2所述的团体业务风险的确定方法，其特征在于，所述获取L2正则化项，包括：
5.根据权利要求2所述的团体业务风险的确定方法，其特征在于，所述根据所述L1平方损失项和所述L2正则化项，得到所述损失函数，包括：
6.根据权利要求1所述的团体业务风险的确定方法，其特征在于，所述归因模型包括Ridge回归模型。
7.根据权利要求1所述的团体业务风险的确定方法，其特征在于，所述根据所述损失函数调整所述归因模型的系数，得到训练好的归因模型，包括：
8.一种团体业务风险的确定装置，其特征在于，所述团体业务风险的确定装置包括：
9.一种计算机设备，其特征在于，所述计算机设备包括处理器、存
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如权利要求1至7中任一项所述的团体业务风险的确定方法的步骤。
...【技术特征摘要】
1.一种团体业务风险的确定方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的团体业务风险的确定方法，其特征在于，所述根据所述预测风险概率值对所述归因模型进行训练，获得所述归因模型的损失函数，包括：
3.根据权利要求2所述的团体业务风险的确定方法，其特征在于，所述获取l1平方损失项，包括：
4.根据权利要求2所述的团体业务风险的确定方法，其特征在于，所述获取l2正则化项，包括：
5.根据权利要求2所述的团体业务风险的确定方法，其特征在于，所述根据所述l1平方损失项和所述l2正则化项，得到所述损失函数，包括：
6.根据权利要求1所述的团体业务风险的确定方法，其特征在于，所述归因模型包括ridge回归...
【专利技术属性】
技术研发人员：高扬磊，陈奕宇，
申请(专利权)人：中国平安财产保险股份有限公司，
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。