申请/专利权人：上海冰鉴信息科技有限公司

申请日：2023-12-20

公开（公告）日：2024-04-05

公开（公告）号：CN117828425A

主分类号：G06F18/241

分类号：G06F18/241;G06F18/214;G06Q10/0635;G06Q10/04

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：本发明公开了一种基于LightGBM的风控模型特征自动构造方法、装置、设备及介质，涉及数学建模技术领域。所述方法是先将用于建立风控模型的建模样本集合拆分为训练样本集合和测试样本集合，然后根据训练样本集合，建立由多棵回归树模型组成的且为复合模型的LightGBM分类模型，再然后针对各个训练样本，根据对应样本在各棵回归树模型的预测节点结果，通过One‑Hot编码方式编码得到对应的编码特征值，并结合各个训练样本的样本标签建立L1正则化的LR逻辑回归模型，最后基于测试样本集合对该LR模型进行模型效果评估，并当模型效果评估结果达到预期结果时，将此LR模型作为最终建成的风控模型，如此能够非常高效的解决特征选择和特征交叉组合的问题。

主权项：1.一种基于LightGBM的风控模型特征自动构造方法，其特征在于，包括：获取用于建立风控模型的建模样本集合，并将所述建模样本集合拆分为训练样本集合和测试样本集合，其中，在所述建模样本集合中的每个建模样本包含有至少一个特征变量值并对应有一个样本标签；根据所述训练样本集合，建立LightGBM分类模型，其中，所述LightGBM分类模型为由多棵回归树模型组成的复合模型；针对在所述训练样本集合中的各个训练样本，根据对应样本在所述多棵回归树模型中的各棵回归树模型的预测节点结果，通过One-Hot编码方式编码得到对应的编码特征值；将所述各个训练样本的编码特征值作为不同的特征变量，并结合所述各个训练样本的样本标签建立L1正则化的LR逻辑回归模型；针对在所述测试样本集合中的各个测试样本，根据对应样本在所述多棵回归树模型中的各棵回归树模型的预测节点结果，通过所述One-Hot编码方式编码得到对应的编码特征值；将所述各个测试样本的编码特征值作为不同的特征变量，并结合所述各个测试样本的样本标签，对所述LR逻辑回归模型进行模型效果评估，得到模型效果评估结果；若所述模型效果评估结果达到预期结果，则将所述LR逻辑回归模型作为最终建成的风控模型。

全文数据：

权利要求：

百度查询： 上海冰鉴信息科技有限公司 基于LightGBM的风控模型特征自动构造方法、装置、设备及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD