[发明专利]信用分值预测方法及装置

权利要求书

1.一种信用分值预测方法，其特征在于，所述方法包括：

获取至少两个数据源中每个数据源提供的样本数据，所述每个数据源提供的样本数据包括至少两个样本用户的特征数据和信用分值，不同数据源提供的特征数据用于描述样本用户在不同方面的特征，不同数据源提供的信用分值用于表示样本用户在不同方面的可信程度；

分别根据所述至少两个数据源中所述每个数据源提供的样本数据进行训练，得到与所述至少两个数据源对应的至少两个预测子模型，并获取每个预测子模型的错判率，所述错判率用于表示预测子模型预测错误的概率；

将目标用户的特征数据分别输入到所述每个预测子模型中，得到所述每个预测子模型输出的信用分值；

根据所述每个预测子模型的错判率，对所述每个预测子模型输出的信用分值进行统计，得到所述目标用户的信用分值；

所述分别根据所述至少两个数据源中所述每个数据源提供的样本数据进行训练，得到与所述至少两个数据源对应的至少两个预测子模型，并获取每个预测子模型的错判率，包括：

对于所述每个数据源，根据所述数据源提供的样本数据进行训练，得到预测子模型；

将所述样本数据中至少两个样本用户的特征数据输入到所述预测子模型中，得到所述预测子模型输出的所述至少两个样本用户的预测信用分值；

根据所述样本数据中所述至少两个样本用户的信用分值以及所述预测子模型输出的所述至少两个样本用户的预测信用分值，确定所述预测子模型的错判率。

2.根据权利要求1所述的方法，其特征在于，所述至少两个数据源包括金融数据源、交通数据源、社交数据源、健康数据源、基础数据源中的至少一种；

所述金融数据源用于提供至少两个样本用户的金融特征数据和金融信用分值；

所述交通数据源用于提供至少两个样本用户的交通特征数据和交通信用分值；

所述社交数据源用于提供至少两个样本用户的社交特征数据和社交信用分值；

所述健康数据源用于提供至少两个样本用户的健康特征数据和健康信用分值；

所述基础数据源用于提供至少两个样本用户的基础特征数据和基础信用分值。

3.根据权利要求1所述的方法，其特征在于，所述根据所述样本数据中所述至少两个样本用户的信用分值以及所述预测子模型输出的所述至少两个样本用户的预测信用分值，确定所述预测子模型的错判率，包括：

将所述样本数据中所述至少两个样本用户的信用分值以及所述预测子模型输出的所述至少两个样本用户的预测信用分值进行对比统计，得到预测错误的样本用户的数量；

将所述预测错误的样本用户的数量与所述至少两个样本用户的总数量的比值作为所述预测子模型的错判率。

4.根据权利要求1所述的方法，其特征在于，所述每个预测子模型包括至少一个分类器，所述每个预测子模型的错判率包括所述每个预测子模型中的至少一个分类器的错判率；

所述将目标用户的特征数据分别输入到所述每个预测子模型中，得到所述每个预测子模型输出的信用分值，包括：

对于所述至少两个预测子模型中的每个预测子模型，将所述目标用户的特征数据输入到所述预测子模型的分类器中，得到所述预测子模型的至少一个分类器输出的信用分值。

5.根据权利要求4所述的方法，其特征在于，所述每个预测子模型输出的信用分值包括所述每个预测子模型中至少一个分类器输出的信用分值，不同预测子模型中的分类器数目相等；

所述根据所述每个预测子模型的错判率，对所述每个预测子模型输出的信用分值进行统计，得到所述目标用户的信用分值，包括：

根据所述每个预测子模型中至少一个分类器的错判率，对所述每个预测子模型中至少一个分类器输出的信用分值应用以下公式进行统计，得到所述目标用户的信用分值：

其中，j表示预测子模型的标识，J表示预测子模型的数目，J为正整数，j为不大于J的正整数，t表示分类器标识，T表示预测子模型中的分类器数目，T为正整数，t为不大于T的正整数，x表示所述目标用户的特征数据，E_jt表示预测子模型j中分类器t的错判率，C_jt(x)表示预测子模型j中分类器t输出的信用分值，P(x)表示所述目标用户的信用分值，sign函数为符号函数，