[发明专利]信用评分方法和装置

权利要求书

1.一种信用评分方法，包括：

获取第一类配置数据，所述第一类配置数据包括数据配置信息和模型配置信息；

基于所述数据配置信息获取带标签的信用特征数据作为样本集；

基于所述模型配置信息和所述样本集对初始模型进行训练，得到决策模型；

获取第二类配置数据，所述第二类配置数据包括评分配置信息；

获取待预测的信用特征数据；

基于所述决策模型获得待预测的信用特征数据的预测结果；

基于所述评分配置信息获得所述预测结果对应的信用评分并输出。

2.根据权利要求1所述的方法，其中，所述数据配置信息包括组成信用特征数据的特征变量的配置信息，所述特征变量的配置信息包括如下至少一项：特征变量的定义、特征变量对应的数据类型、特征变量的标识、特征变量的优化目标参数信息、特征变量的异常值处理信息、特征变量的缺失值处理信息、和/或特征变量的变换信息。

3.根据权利要求1所述的方法，其中，所述模型配置信息包括如下至少一项：初始模型参数信息、机器学习算法参数信息、和/或模型优化目标参数信息。

4.根据权利要求1所述的方法，其中，基于所述模型配置信息和所述样本集对初始模型进行训练，得到决策模型包括：

从所述样本集中提取多条信用特征数据作为训练集，所述样本集中剩余的信用特征数据作为测试集；

基于所述模型配置信息获取初始模型和训练规则，使用所述训练集依据训练规则对初始模型进行训练得到训练模型，使用所述测试集对所述训练模型进行测试得到测试结果；

当一个训练模型对应的测试结果符合预定条件时，确定该训练模型为决策模型。

5.根据权利要求4所述的方法，其中：

所述评分配置信息包括预测结果与信用评分的映射关系信息；或者

所述评分配置信息包括预测结果与信用评分的映射关系信息以及信用评分与评分等级的映射关系信息，则所述方法还包括：基于所述评分配置信息获得所述预测结果对应的信用评分所属的评分等级并输出。

6.根据权利要求5所述的方法，还包括：

利用所述决策模型获取所述测试集中各信用特征数据的预测结果；

根据所述评分配置信息获得所述测试集中各信用特征数据对应的评分等级；

对于任一评分等级，基于对于于该评分等级的所述测试集中的信用特征数据的标签对该评分等级进行合理性验证，当验证未通过时，确定该评分等级对应的评分配置信息不合理，获取更新后的评分配置信息。

7.根据权利要求1所述的方法，其中，所述第一类配置数据还包括辅助配置信息，所述辅助配置信息包括如下至少一项：工作目录、日期、存储路径、文件命名规则、和/或版本信息。

8.一种信用评分装置，包括：

第一配置模块，用于获取第一类配置数据，所述第一类配置数据包括数据配置信息和模型配置信息；

训练模块，用于基于所述数据配置信息获取带标签的信用特征数据作为样本集；基于所述模型配置信息和所述样本集对初始模型进行训练，得到决策模型；

第二配置模块，用于获取第二类配置数据，所述第二类配置数据包括评分配置信息；

预测模块，用于获取待预测的信用特征数据；基于所述决策模型获得待预测的信用特征数据的预测结果；

评分模块，用于基于所述评分配置信息获得所述预测结果对应的信用评分并输出。

9.根据权利要求8所述的装置，其中，所述数据配置信息包括组成信用特征数据的特征变量的配置信息，所述特征变量的配置信息包括如下至少一项：特征变量的定义、特征变量对应的数据类型、特征变量的标识、特征变量的优化目标参数信息、特征变量的异常值处理信息、特征变量的缺失值处理信息、和/或特征变量的变换信息。

10.根据权利要求8所述的装置，其中，所述模型配置信息包括如下至少一项：初始模型参数信息、机器学习算法参数信息、和/或模型优化目标参数信息。