[发明专利]用户还款模型生成方法、装置及电子设备

权利要求书

1.一种用户还款模型生成方法，其特征在于，包括：

对多个用户金融数据进行预处理，生成训练数据集、测试数据集、和验证数据集，用户金融数据包括：用户借款数据、用户特征数据、用户基础数据；

通过所述训练数据集对机器学习模型进行训练，生成初始用户还款模型；

通过所述测试数据集和所述验证数据集对所述初始用户还款模型进行交叉验证，生成验证结果；以及

在所述验证结果满足预设策略时，生成用户还款模型。

2.如权利要求1所述的方法，其特征在于，对多个用户金融数据进行预处理，包括：

获取多个用户的用户数据；以及

将所述用户数据进行筛选处理和特征处理生成所述用户金融数据。

3.如权利要求1-2所述的方法，其特征在于，通过所述训练数据集对机器学习模型进行训练，生成初始用户还款模型，包括：

通过所述训练数据集对极端梯度提升模型进行训练，生成训练参数；以及

在所述训练参数满足预设条件时生成初始用户还款模型。

4.如权利要求1-3所述的方法，其特征在于，通过所述训练数据集对极端梯度提升模型进行训练，生成训练参数，包括：

将所述训练数据集输入所述极端梯度提升模型中，生成初始训练参数；

基于网络搜索调参方式对所述初始训练参数进行参数调节；以及

基于所述参数调节的最优解生成所述训练参数。

5.如权利要求1-4所述的方法，其特征在于，基于所述参数调节的最优解生成所述训练参数，包括：

基于所述参数调节的最优解重新对所述极端梯度提升模型进行拟合，生成所述训练参数。

6.如权利要求1-5所述的方法，其特征在于，通过所述测试数据集和所述验证数据集对所述初始用户还款模型进行交叉验证，生成验证结果，包括：

通过所述测试数据集和所述验证数据集对所述初始用户还款模型进行K折交叉验证，生成验证结果。

7.如权利要求1-6所述的方法，其特征在于，通过所述测试数据集和所述验证数据集对所述初始用户还款模型进行K折交叉验证，生成验证结果，包括：

通过所述测试数据集和所述验证数据集对所述初始用户还款模型进行多次K折交叉验证，生成接受者操作特性曲线；以及

在所述接受者操作特性曲线的参数稳态时，生成所述验证结果。

8.一种用户还款模型生成装置，其特征在于，包括：

数据处理模块，用于对多个用户金融数据进行预处理，生成训练数据集、测试数据集、和验证数据集，用户金融数据包括：用户借款数据、用户特征数据、用户基础数据；

数据训练模块，用于通过所述训练数据集对机器学习模型进行训练，生成初始用户还款模型；

模型验证模块，用于通过所述测试数据集和所述验证数据集对所述初始用户还款模型进行交叉验证，生成验证结果；以及

模型建立模块，用于在所述验证结果满足预设策略时，生成用户还款模型。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。