[发明专利]一种信用风险评估方法、系统、设备及计算机存储介质

权利要求书

1.一种信用风险评估方法，其特征在于，包括：

获取用户数据；

基于所述用户数据提取用户特征；

输入所述用户特征至预先创建的组合决策树模型，所述组合决策树模型为基于组合决策树算法生成的模型；

获取所述组合决策树模型的输出结果，以基于所述输出结果对用户进行信用风险评估。

2.根据权利要求1所述的方法，其特征在于，预先创建组合决策树模型，包括：

基于当前模型参数创建当前组合决策树模型；

随机划分预设数量的测试特征为N份测试特征，N大于等于1且为正整数；

基于M份测试特征训练当前组合决策树模型，将K份测试特征输入当前组合决策树模型，并获取测试结果，N＝M+K，M大于等于1且为正整数，K大于等于1且为正整数；

判断差值是否大于等于预设的阈值，所述差值为每一个测试结果与该测试结果对应的测试特征的理论结果间的差值，若是，则确定当前组合决策树模型为预先创建的组合决策树模型，若否，则调整当前模型参数，返回执行基于当前模型参数创建当前组合决策树模型的步骤，直至当前组合决策树模型得到的差值大于等于预设的阈值。

3.根据权利要求1所述的方法，其特征在于，所述基于所述用户数据提取用户特征，包括：

基于WOE编码方式在所述用户数据中提取用户特征。

4.根据权利要求1所述的方法，其特征在于，所述输入所述用户特征至预先创建的组合决策树模型，包括：

输入所述用户特征至预先创建的组合决策树模型，所述组合决策树模型包括随机森林模型。

5.根据权利要求1所述的方法，其特征在于，所述输入所述用户特征至预先创建的组合决策树模型，包括：

输入所述用户特征至预先创建的组合决策树模型，所述组合决策树模型包括GBDT模型。

6.根据权利要求1所述的方法，其特征在于，所述获取用户数据，包括：

获取用户数据，所述用户数据包括用户征信报告。

7.根据权利要求1至6任一项所述的方法，其特征在于，所述基于所述输出结果对用户进行信用风险评估，包括：

判断所述输出结果是否大于等于预设的判断值，若是，则判断出用户信用风险低，若否，则判断出用户信用风险高。

8.一种信用风险评估系统，其特征在于，包括：

用户数据模块，用于获取用户数据；

提取模块，用于基于所述用户数据提取用户特征；

输入模块，用于输入所述用户特征至预先创建的组合决策树模型，所述组合决策树模型为基于组合决策树算法生成的模型；

获取模块，用于获取所述组合决策树模型的输出结果，以基于所述输出结果对用户进行信用风险评估。

9.一种信用风险评估设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至7任一项所述一种信用风险评估方法的步骤。

10.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述一种信用风险评估方法的步骤。