[发明专利]信用评分方法和装置

说明书

本公开提供了一种信用评分方法，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。本公开还提供了一种信用评分装置、一种计算机设备以及一种计算机可读存储介质。

技术领域

本公开涉及互联网技术领域，更具体地，涉及一种信用评分方法和装置。

背景技术

信用评分可以广泛应用于金融信贷等业务，如可以用于贷前审批阶段对借款申请人的评估，用于贷后管理阶段对借款人未来的还款能力和意愿的评估，或者用于催收管理阶段对借款人的还款概率的评估，等等。

然而，现有的信用评分方案大多存在以下问题：信用评分过程不能标准化运营，对于不同的信用评分过程需要编写不同的执行代码，过程繁琐，效率低下，对运营人员的专业能力要求较高，十分费时费力，不符合当前数据高效处理的需求。

发明内容

有鉴于此，本公开提供了一种标准化的、易于实现的信用评分方法和装置。

本公开的一个方面提供了一种信用评分方法，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。接着，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。

根据本公开的实施例，上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。

根据本公开的实施例，上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。

根据本公开的实施例，上述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。

根据本公开的实施例，上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。

根据本公开的实施例，上述方法还包括：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。

根据本公开的实施例，上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。