【技术实现步骤摘要】
本申请涉及金融领域，具体而言，涉及一种产品购买概率的确定方法、产品购买概率的确定装置、计算机可读存储介质以及电子装置。
技术介绍
1、随着金融科技的发展，可以通过使用机器学习算法分析海量客户的历史记录及个人信息，可以预测出某用户可能接受某类贷款产品的概率，并优先选择接受概率较高的用户进行营销，大幅提升工作人员的工作效率和效益。
2、然而，由于模型的训练数据中销售成功的次数远少于销售失败的次数，即存在数据不平衡现象，甚至，销售成功的次数是失败次数的百分之一，这种不平衡数据会导致预测模型的预测结果倾向于多数类，即销售失败，而无法准确预测少数类，即销售成功。因此，亟需一种方法可以解决概率预测模型的训练数据中的不平衡现象。
技术实现思路
1、本申请的主要目的在于提供一种产品购买概率的确定方法、产品购买概率的确定装置、计算机可读存储介质以及电子装置，以至少解决现有技术中概率预测模型的训练数据中的不平衡现象。
2、根据本申请的一方面，提供了一种产品购买概率的确定方法，包括：获取...
【技术保护点】
1.一种产品购买概率的确定方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，获取目标历史销售数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述目标历史销售数据包括正样本数据和负样本数据，所述正样本数据为所述用户已购买所述产品对应的所述目标历史销售数据，所述负样本数据为所述用户未购买所述产品对应的所述目标历史销售数据，获取所述目标生成网络，包括：
4.根据权利要求3所述的方法，其特征在于，
5.根据权利要求1所述的方法，其特征在于，将所述目标历史销售数据输入至所述目标生成网络中进行处理，得到目标
【技术特征摘要】
1.一种产品购买概率的确定方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，获取目标历史销售数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述目标历史销售数据包括正样本数据和负样本数据，所述正样本数据为所述用户已购买所述产品对应的所述目标历史销售数据，所述负样本数据为所述用户未购买所述产品对应的所述目标历史销售数据，获取所述目标生成网络，包括：
4.根据权利要求3所述的方法，其特征在于，
5.根据权利要求1所述的方法，其特征在于，将所述目标历史销售数据输入至所述目标生成网络中进行处理，得到目标样本数据，包括：
6.根据权利要求1所述的方法，其特征在于，所述概率预测模型包括逻辑回归模型和轻量级梯...
【专利技术属性】
技术研发人员：朱礼华，张清，殊金鹏，许启贤，王旭，
申请(专利权)人：中国邮政储蓄银行股份有限公司，
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。