申请/专利权人：天元大数据信用管理有限公司

申请日：2021-07-26

公开（公告）日：2024-04-23

公开（公告）号：CN113538132B

主分类号：G06Q40/03

分类号：G06Q40/03;G06N20/20

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2021.11.09#实质审查的生效;2021.10.22#公开

摘要：本说明书实施例提供了一种基于回归树算法的信用评分方法，用于解决为金融风控提供更精确信用评分的问题。方法包括：对借款人的初始信用数据进行特征提取，以获得借款人的非线性相关的信用特征数据；对非线性相关的信用特征数据进行筛选，以获得可用的信用特征数据；通过预先集成训练的非线性拟合器对可用的信用特征数据进行分析，以获得借款人的信用评分；其中，非线性拟合器由两类回归树组成。

主权项：1.一种基于回归树算法的信用评分方法，其特征在于，所述方法包括：对借款人的初始信用数据进行特征提取，以获得所述借款人的非线性相关的信用特征数据；其中，所述初始信用数据包括：当借款人为企业或集团客户时收集的：工商注册信息、企业的裁判文书、失信人、失信记录、开庭公告、法院公告、司法协助；当借款人为个人客户时，收集的：个人身份信息、POS交易信息、个人借贷卡账单信息、裁判文书信息、履约被执行信息、失信行为信息、线上线下支付数据；对所述非线性相关的信用特征数据进行筛选，以获得可用的信用特征数据；通过预先集成训练的非线性拟合器对所述可用的信用特征数据进行分析，以获得所述借款人的信用评分；其中，所述非线性拟合器由两类回归树组成；所述对借款人的初始信用进行特征提取，以获得所述借款人的非线性相关的信用特征，具体包括：通过第一预设分析方法将所述初始信用数据中低维空间的线性相关的信用特征通过非线性映射转换到高维空间；在所述高维空间中对所述初始信用数据进行区分，并过滤所述借款人的线性相关的信用特征数据；通过第二预设分析方法将所述初始信用数据中的非线性相关的信用特征数据映射到另一个低维空间进行降维处理，以提取所述借款人的非线性相关的信用特征数据；对所述非线性相关的信用特征进行筛选，以获得可用信用特征数据，具体包括：通过Xgboost技术对所述非线性相关的信用特征数据进行特征重要性排序，以过滤非必要的信用特征数据获得重要信用特征数据；通过预先设置的专家经验模型对所述重要信用特征数据进行指标分析，以确定出必要的信用特征作为可用信用特征数据；通过预先集成训练的非线性拟合器对所述可用的信用特征数据进行分析之前，所述方法还包括：集成构建多层级联的回归分类树作为非线性拟合器，当集成构建八层级联的回归树作为非线性拟合器时，具体包括：第一层包括36个基于第一损失函数标准的分类回归树与36个基于第二损失函数标准的分类回归树；其中，所述第一损失函数标准为gini的CART，所述第二损失函数标准为entropy的CART；第二到四层每层由18个基于第一损失函数的分类回归树构成；第五到七层每层由9个基于第一损失函数标准的分类树构成；第八层由9个基于第一损失函数标准的分类回归树构成。

全文数据：

权利要求：

百度查询： 天元大数据信用管理有限公司 一种基于回归树算法的信用评分方法、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