[发明专利]一种基于机器学习模型的企业风险评估方法

说明书

本发明涉及企业风险评估技术领域，提供了一种基于机器学习模型的企业风险评估方法，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；模型训练：将训练集进行5折交叉验证，同时使用3个所述模型算法训练模型；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；将所有新的字段与原始部分字段放在一起，使用stacking模型通过5折交叉验证再次学习，得出测试子集的最终预测概率值；对验证集进行预测，得到验证集的预测概率值。本发明采用了级联的模型融合方式，发挥多机器学习模型的优势，分别用3模型进行训练，并调优；使用三层级联的架构以及stacking融合的方式将模型融合；方法简单易用，应用前景广阔。

技术领域

本发明涉及企业风险评估技术领域，特别涉及一种基于机器学习模型的企业风险评估方法。

背景技术

目前市场上的企业风险评估产品较少，且基本是专家评分为主，即使有模型产品也多数基于逻辑回归的单模型的算法。逻辑回归做企业风险评估对数据要求很高，且经常达不到理想的精度。比如，逻辑回归不擅长处理含有大量的字符型特征的数据，不擅长处理数值型变量与目标变量之间不存在线性关系的特征，不擅长处理特征较多的模型，不擅长处理特征含有很多空值的情况等；其次逻辑回归容易欠拟合，精度不够；最后逻辑回归对自变量的多重共线性比较敏感，经常需要去除相关性较高的变量。此外，仅仅使用单模型来训练模型，可能会导致模型不稳定。

发明内容

本发明的目的之一就是克服现有技术的不足，提供了一种基于机器学习模型的企业风险评估方法，使用了级联的模型融合方式，发挥多机器学习模型的优势，对企业风险进行建模。

本发明采用的技术方案如下：

一种基于机器学习模型的企业风险评估方法，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(5份数据轮流作一次测试子集)；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(对于一个模型算法，每一份测试子集都对应一个模型，5份测试子集共对应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。

进一步的，预测概率值为0-1之间的一个数值，代表企业不违约的概率。如好企业预测概率值为1，坏企业的预测概率值为0，当企业预测概率值为0.9时，表示该企业不违约概率为90％，相应的，违约概率为10％。

进一步的，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。

进一步的，3个所述模型算法分别为GBDT、Xgboost、Lightgbm。

进一步的，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。

进一步的，步骤S1中，训练集和验证集的比例为4:1。

进一步的，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：