[发明专利]基于数据模型的信用评估方法及装置

权利要求书

1.一种基于数据模型的信用评估方法，其特征在于，包括：

从待评估的数据中获取评估模型所需的特征变量；

判断待评估数据的每个特征变量是否为失效变量：

若是，则采用该失效变量对应的替换变量进行替换，并输入所述评估模型，

若否，则输入所述评估模型，所述失效变量为信息缺失或信息不全的特征变量；

所述评估模型根据输入的特征变量进行评估，并输出评价结果；

从待评估的数据中获取评估模型所需的特征变量之前，该方法还包括：

对训练集中的样本数据进行分类，获取分类结果；

根据所述分类结果，对所述训练集中的样本数据进行逻辑回归，建立所述评估模型；

根据所述分类结果，对所述训练集中的样本数据进行逻辑回归之前，该方法还包括：

计算所述训练集中样本数据的距离，确定关联变量；

判断任意两个关联变量之间的距离值是否小于距离阈值，若是，则将两个关联变量进行合并；

计算所述训练集中样本数据的距离之后，该方法还包括：

检测某一变量与其他变量之间的距离值；

将与该变量距离值最小的变量设置为该变量的替换变量。

2.根据权利要求1所述基于数据模型的信用评估方法，其特征在于，

对训练集中的样本数据进行分类，获取分类结果，具体包括：

若所述训练集中的样本数据为数值变量，则

采用决策树对所述数值变量进行分类，确定所述分类结果；

若所述训练集中的样本数据为分类变量，则

采用聚类算法对所述分类变量进行分类，确定所述分类结果。

3.根据权利要求2所述基于数据模型的信用评估方法，其特征在于，根据信息价值确定替换变量的具体过程如下：

在建立所述评估模型之后，采用该失效变量对应的替换变量进行替换之前，该方法还包括：

将目标变量输入所述评估模型；

根据所述评估模型已有特征变量的信息价值，检验每个已有的特征变量是否有效；

若存在失效的特征变量，则将该目标变量设置为所述失效的特征变量的替换变量。

4.根据权利要求3所述基于数据模型的信用评估方法，其特征在于，

根据所述评估模型已有特征变量的信息价值，检验每个已有的特征变量是否有效，具体包括：

根据所述训练集中样本数据的分配比例，计算每个特征变量的信息价值；

根据预定的价值阈值进行检验，判断每个特征变量是否有效。

5.一种基于数据模型的信用评估装置，其特征在于，包括：

特征变量获取模块：用于从待评估的数据中获取评估模型所需的特征变量；

失效变量替换模块：用于判断待评估数据的每个特征变量是否为失效变量：

若是，则采用该失效变量对应的替换变量进行替换，并输入所述评估模型，

若否，则输入所述评估模型，所述失效变量为信息缺失或信息不全的特征变量；

评估模块：用于使所述评估模型根据输入的特征变量进行评估，并输出评价结果；

该装置还包括评估模型建立模块：用于对训练集中的样本数据进行分类，获取分类结果；根据所述分类结果，对所述训练集中的样本数据进行逻辑回归，建立所述评估模型；

所述评估模型建立模块还用于：计算训练集中样本数据的距离，确定关联变量；判断任意两个关联变量之间的距离值是否小于距离阈值，若是，则将两个关联变量进行合并；

计算训练集中样本数据的距离之后，还检测某一变量与其他变量之间的距离值；

将与该变量距离值最小的变量设置为该变量的替换变量。

6.根据权利要求5所述基于数据模型的信用评估装置，其特征在于，

所述评估模型建立模块，对训练集中的样本数据进行分类，获取分类结果时，具体用于：若所述训练集中的样本数据为数值变量，则采用决策树对所述数值变量进行分类，确定所述分类结果；若所述训练集中的样本数据为分类变量，则采用聚类算法对所述分类变量进行分类，确定所述分类结果。