一种基于多实例学习的信用风险评估模型生成方法
基本信息
申请号 | CN202010141306.4 | 申请日 | - |
公开(公告)号 | CN110992173A | 公开(公告)日 | 2020-04-10 |
申请公布号 | CN110992173A | 申请公布日 | 2020-04-10 |
分类号 | G06Q40/02 | 分类 | 计算;推算;计数; |
发明人 | 吴基成;程宏峰;陈杰 | 申请(专利权)人 | 杭州信雅达数码科技有限公司 |
代理机构 | 杭州华知专利事务所(普通合伙) | 代理人 | 张德宝 |
地址 | 310053 浙江省杭州市滨江区江南大道3888号信雅达科技大厦9楼923室 | ||
法律状态 | - |
摘要
摘要 | 一种基于多实例学习的信用风险评估模型生成方法,包括以下步骤:S1:收集用户的相关数据源信息S2:对获取到的数据源信息利用最小Hausdorff距离聚类特征提取用户历史行为特征向量;S3:将所述用户历史行为特征向量和个人信息数据进行结合,构建新向量数据集;S4:采用基于径向基函数的多实例学习方法对上述结合的新向量数据集进行训练,基于评价模型指标函数来构建信用风险评估模型;S5:对所述信用风险评估模型的效果进行预测,通过适应度函数来检验模型的正确性。本发明解决了用户数据高维度、无标签问题,实现了最小化风险、最小化复杂性和最大化准确性的目标,不仅提高了信用风险评估模型的运行效率也提高了模型准确性和可解释性。 |
