本发明专利技术公开了一种基于预测类别相关性的经营性贷款需求预测方法及系统，属于经营性贷款需求预测技术领域，包括步骤：选择基模型；再融合基模型，采用多数投票规则融合不同基模型的预测结果；最后将融合模型预测结果运用到贷款需求预测场景中。本发明专利技术提出了基于预测类别相关性的集成学习基模型筛选方案，提高了模型准确性。同时，本发明专利技术方法可应用于预测真实性经营性贷款需求倾向，可提高贷款需求预测精度。
【技术实现步骤摘要】
本专利技术涉及经营性贷款需求预测，更为具体的，涉及一种基于预测类别相关性的经营性贷款需求预测方法及系统。
技术介绍
1、现有技术中，集成学习算法基模型选取基本准则为：“好而不同”，既有准确性，又有差异性。但如何才能具体的选出适合应用场景本身情况的基模型组合，目前还未有统一的标准。
2、传统构建机器学习方法往往是单一树模型或者其他单一机器学习算法，维度单一，因客户贷款需求倾向特征隐蔽且复杂，单一算法往往仅能提取某方面的特征，并受到算法本身缺点所限，需求倾向预测效果不佳。鉴于上述现状，本领域亟待发展更好的解决方案。
技术实现思路
1、本专利技术的目的在于克服现有技术的不足，提供一种基于预测类别相关性的经营性贷款需求预测方法及系统，首次结合二分类模型差异性度量、模型有效性评估指标及基模型筛选，提出了基于预测类别相关性的集成学习基模型筛选方法，可以应用于预测真实性经营性贷款，提高识别效率，优化经营性贷款需求的预测精度。
2、本专利技术的目的是通过以下方案实现的：
>3、一种基于预测类本文档来自技高网...
【技术保护点】
1.一种基于预测类别相关性的经营性贷款需求预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于预测类别相关性的经营性贷款需求预测方法，其特征在于，在步骤二中，所述利用多个筛选得到的基模型加上AUC值最大的个体学习器模型构成融合模型分类器，再采用多数投票规则融合所述融合模型分类器的预测结果，具体包括如下子步骤：
3.根据权利要求1所述的基于预测类别相关性的经营性贷款需求预测方法，其特征在于，所述参考值的取值范围在0～0.6之间。
4.根据权利要求1所述的基于预测类别相关性的经营性贷款需求预测方法，其特征在于，在基模型筛选之前，还包括步骤：数...
【技术特征摘要】
1.一种基于预测类别相关性的经营性贷款需求预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于预测类别相关性的经营性贷款需求预测方法，其特征在于，在步骤二中，所述利用多个筛选得到的基模型加上auc值最大的个体学习器模型构成融合模型分类器，再采用多数投票规则融合所述融合模型分类器的预测结果，具体包括如下子步骤：
3.根据权利要求1所述的基于预测类别相关性的经营性贷款需求预测方法，其特征在于，所述参考值的取值范围在0～0.6之间。
4.根据权利要求1所述的基于预测类别相关性的经营性贷款需求预测方法，其特征在于，在基模型筛选之前，还包括步骤：数据接入整合，以形成训练集数据。
5.根据权利要求1所述的基于预测类别相关性的经营性贷款需求预测方法，其特征在于，所述根据融合模型分类器的最终预测结果进行真实经营性贷款需求预测，具体包括子步骤：将融合模型分类器的最终预测结果采用计算auc模型...
【专利技术属性】
技术研发人员：宋疆，邓鹏，瞿清华，李磊，刘冠蔚，代雄，周薇，王海淘，
申请(专利权)人：四川农村商业联合银行股份有限公司，
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。