[发明专利]一种借贷需求预测方法

权利要求书

1.一种借贷需求预测方法，其特征在于，包括：

获取多个样本用户的历史借贷属性信息，以及对应于每个样本用户的历史借贷行为信息；其中，所述历史借贷行为信息包括是否借贷的记录，以及发生借贷的借贷金额；

根据所述多个样本用户的历史借贷属性信息和所述是否借贷的记录，训练得到借贷概率预测模型；以及，根据所述多个样本用户的历史借贷属性信息和所述借贷金额，训练得到借贷金额预测模型；

基于所述借贷概率预测模型的预测结果和所述借贷金额预测模型的预测结果之间的预设运算关系，为目标用户预测借贷信息。

2.根据权利要求1所述的方法，其特征在于，所述根据所述多个样本用户的历史借贷属性信息和所述是否借贷的记录，训练得到借贷概率预测模型，具体包括：

基于获取的多个样本用户的历史借贷属性信息，确定初始第一借贷属性特征；

将所述初始第一借贷属性特征作为初始自变量，将对应的是否借贷的记录作为初始因变量进行至少一轮模型训练；其中，每一轮模型训练由至少两个候选模型参与；

将每一轮模型训练中错误率最小的模型的组合，作为完成训练的借贷概率预测模型。

3.根据权利要求2所述的方法，其特征在于，每轮训练执行如下操作：

基于本轮训练使用的训练数据确定当前自变量的自变量值和当前因变量的因变量值，对参与本轮训练的至少两个候选模型进行训练；

根据本轮训练的结果，从参与本轮训练的至少两个候选模型中确定错误率最低的第一候选模型；并

确定所述第一候选模型在本轮训练中得到的是否借贷结果错误的出错样本用户；

基于预设权重更新规则，将出错样本用户的权重更新；

根据所述多个样本用户的当前权重，对多个样本用户进行分层抽样处理，得到下一轮训练需要使用的训练数据，进入下一轮训练。

4.根据权利要求3所述的方法，其特征在于，针对除第一轮训练之外的其他轮训练，在基于本轮训练使用的训练数据确定对应自变量的自变量值和对应因变量的因变量值之前，还包括：

基于上轮训练结束确定的本轮训练需要使用的训练数据所包含样本用户的特征，构建针对本轮训练的新的第一借贷属性特征；并

将所述新的第一借贷属性特征确定为当前自变量，将对应的是否借贷的记录确定为当前因变量。

5.根据权利要求3所述的方法，其特征在于，针对除第一轮训练之外的其他轮训练，根据本轮训练的结果，从参与本轮训练的至少两个候选模型中确定错误率最低的第一候选模型，具体包括：

基于所述多个样本用户的历史借贷属性信息，确定每个样本用户的对应当前自变量的自变量值及当前因变量的因变量值；

将每个样本用户的对应自变量值分别输入本轮完成训练的至少两个候选模型，得到各样本用户是否借贷的预测结果；

根据各样本用户的预测结果以及是否借贷的记录，从参与本轮训练的至少两个候选模型中确定错误率最低的第一候选模型。

6.根据权利要求3-5任一项所述的方法，其特征在于，在确定出错误率最低的第一候选模型之后，还包括：

根据该最低错误率与模型权重的预设数值关系，确定所述第一候选模型的权重；其中，所述预设数值关系满足错误率越小，模型权重越高；

将每一轮模型训练中错误率最小的模型的组合，作为完成训练的借贷概率预测模型，具体包括：

将每一轮模型训练中错误率最小的模型及其对应模型权重的加权组合，作为完成训练的借贷概率预测模型。

7.根据权利要求3-5任一项所述的方法，其特征在于，根据所述多个样本用户的当前权重，对多个样本用户进行分层抽样处理，得到下一轮训练需要使用的训练数据，具体包括：

从所述多个样本用户中，确定当前权重大于初始权重的部分或全部的样本用户，作为第一样本用户；

根据确定的第一样本用户的数量以及预设数量关系，确定对应数量的当前权重小于初始权重的第二样本用户；并

将所述第一样本用户和第二样本用户对应历史借贷属性信息以及历史借贷行为信息作为下一轮训练需要使用的训练数据。