[发明专利]一种基于机器学习模型的企业风险评估方法

权利要求书

1.一种基于机器学习模型的企业风险评估方法，其特征在于，所述方法包括：

S1、将企业特征数据拆分为训练集和验证集，确定3个用于企业风险评估的模型算法；

S2、模型训练：将训练集进行5折交叉验证，其中4份作为训练子集，剩下1份作为测试子集；同时利用3个所述模型算法来训练模型，每个模型算法对应确定5个模型，记录各模型的最优参数；5份测试子集每个模型的预测概率值均形成一个新的字段；将所有新的字段以及原始部分字段放在一起，形成新的特征训练数据；使用stacking模型通过5折交叉验证再次学习，记录stacking模型的最优参数；

S3、使用S2模型训练的逻辑对S1中的验证集进行预测，得到验证集的最终预测概率值；

S4、模型评价。

2.如权利要求1所述的基于机器学习模型的企业风险评估方法，其特征在于，所述S4中，模型评价的评价指标为正确率、召回率、精确率和ks指标中的一种或几种。

3.如权利要求1所述的基于机器学习模型的企业风险评估方法，其特征在于，3个所述模型算法分别为GBDT、Xgboost、Lightgbm。

4.如权利要求1所述的基于机器学习模型的企业风险评估方法，其特征在于，对步骤S1中的企业特征数据进行特征处理，具体步骤为：

1)去除缺失率超过80％的特征；

2)缺失数据为字符型的填充“空值”，缺失数据为数值型的用均值填充；

3)连续性变量做归一化处理；

4)字符型数据做成one-hot处理。

5.如权利要求1所述的基于机器学习模型的企业风险评估方法，其特征在于，步骤S1中，训练集和验证集的比例为4:1。

6.如权利要求1所述的基于机器学习模型的企业风险评估方法，其特征在于，步骤S3中，使用S2模型训练的逻辑对S1中的验证集进行预测的步骤为：

对验证集，使用某个所述模型算法对应的5个模型分别进行预测，得到5个预测概率值，取5个预测概率值的平均值作为该模型算法的新预测概率值；

3个模型算法得到3个新预测概率值；3个新预测概率值与原始部分字段放在一起，形成新的特征数据；

将新的特征数据使用所述stacking模型5折交叉得出最终的验证集预测概率值。