[发明专利]一种模型更新的方法和装置

说明书

本申请提供一种模型更新的方法和装置。模型更新的方法包括：在获取到新的还款数据时，获取待更新的训练样本集和根据所述训练样本集训练得到的模型；所述训练样本集中包括多个客户的还款信息，及每个客户的客户评估值；根据所述还款数据对所述训练样本集进行更新，得到更新的训练样本集；基于所述更新的训练样本集对所述模型进行训练，得到更新好的模型。该模型更新的方法提高了模型的准确性和适用性。

技术领域

本申请涉及计算机领域，具体而言，涉及一种模型更新的方法和装置。

背景技术

随着金融科技技术的发展，越来越多的金融机构引入机器学习的方法建立信用评分模型来逐步代替人工审批的方式，以期达到降低人工成本、提高工作效率、排除人为不稳定因素的目的。

然而，常规的训练模型的方法，是将历史的数据集作为样本，对模型进行训练，所得到的模型并不能适应于数据的不断变化，因此，模型的准确性和适用性较低。

发明内容

本申请实施例的目的在于提供一种模型更新的方法和装置，用以提高模型的准确性和适用性。

第一方面，本申请实施例提供一种模型更新的方法，包括：在获取到新的还款数据时，获取待更新的训练样本集和根据所述训练样本集训练得到的模型；所述训练样本集中包括多个客户的还款信息，及每个客户的客户评估值；根据所述还款数据对所述训练样本集进行更新，得到更新的训练样本集；基于所述更新的训练样本集对所述模型进行训练，得到更新好的模型。

在本申请实施例中，每当获取到有新的还款数据时，根据还款数据对训练样本集进行更新，再基于更新的训练样本集对模型进行训练，进而实现模型的更新。与现有技术相比，当获取到还款数据时，就会基于还款数据更新训练样本集，通过更新的训练样本集再次对模型进行训练，使得到的模型能够适应于数据的变化，提高了模型的准确性和适用性。

作为一种可能的实现方式，所述客户评估值设置有惩罚权重，所述惩罚权重用于表征所述客户评估值的正确性；在根据所述还款数据对所述训练样本集进行更新，得到更新的训练样本集之后，所述方法还包括：基于所述更新的训练样本集，更新所述惩罚权重；对应的，基于所述更新的训练样本集对所述模型进行训练，得到更新好的模型，包括：基于所述更新的训练样本集、更新的惩罚权重对所述模型进行训练，得到更新好的模型。

在本申请实施例中，训练样本集中的客户评估值设置有用于表征所述客户评估值的正确性的惩罚权重，当训练样本集更新后，同时也对该惩罚权重进行更新，在训练时，基于更新的惩罚权重一并进行训练。进而能够有效的捕捉到客户评估值的数据漂移的特征，并及时的更新到模型中。

作为一种可能的实现方式，基于所述更新的训练样本集，更新所述惩罚权重，包括：根据所述更新的训练样本集中各个客户评估值更新的时间对所述各个客户评估值进行更新时间排序；根据所述更新时间排序更新所述惩罚权重。

在本申请实施例中，通过时间排序法确定惩罚权重，不仅简单，且能够体现时间对数据漂移的影响，因此能够实现简单有效的确定惩罚权重。

作为一种可能的实现方式，所述还款信息设置有漂移权重，所述漂移权重用于表征所述还款信息的稳定性；在根据所述还款数据对所述训练样本集进行更新，得到更新的训练样本集之后，所述方法还包括：基于所述更新的训练样本集，更新所述漂移权重；对应的，基于所述更新的训练样本集对所述模型进行训练，得到更新好的模型，包括：基于所述更新的训练样本集、更新的漂移权重对所述模型进行训练，得到更新好的模型。

在本申请实施例中，训练样本集中的还款信息设置有漂移权重，在训练样本集更新后，还可以对该漂移权重进行更新，在训练时，基于更新的漂移权重一并进行训练。进而能够有效的捕捉到还款信息的数据漂移的特征，并及时的更新到模型中。