[发明专利]基于算法模型的评级方法、装置、电子设备及存储介质

权利要求书

1.一种基于算法模型的评级方法，其特征在于，所述方法包括：

获取用户数据集，根据所述用户数据集的数据特征，构建多个原始子模型，并对所述多个原始子模型进行训练，得到模型训练结果；

根据所述模型训练结果，对所述多个原始子模型进行参数调优，得到多个最优参数子模型；

利用预设的评估算法对所述多个最优参数子模型进行选择，得到多个高分子模型；

根据预设的精确合并算法将所述多个高分子模型合并为主模型；

获取待判断用户数据集，将所述待判断用户数据集输入至所述主模型，根据所述主模型的输出结果，得到所述待判断用户数据集的等级评级结果，将所述等级评级结果输出给用户。

2.如权利要求1所述的基于算法模型的评级方法，其特征在于，所述用户数据集存储于区块链中，及所述根据所述用户数据集的数据特征，构建多个原始子模型，包括：

对所述用户数据集进行筛选，得到有效用户数据集；

根据所述有效用户数据集内数据的数据类型将所述用户数据集分成多个子用户数据集；

根据所述子用户数据集的数据特征，分别选择相应的机器学习算法构建多个原始子模型。

3.如权利要求1所述的基于算法模型的评级方法，其特征在于，所述根据所述模型训练结果，对所述多个原始子模型进行参数调优，得到多个最优参数子模型，包括：

将所述训练结果与原正确结果的比值作为所述原始子模型的判断精确度；

将所述判断精确度并与预设的准确度标准阈值进行比较；

若所述判断精确度低于所述标准阈值，则使用预设的参数调整方法调整所述多个原始子模型的参数；

直至所述判断精确度大于或等于所述标准阈值，得到多个最优参数子模型。

4.如权利要求3所述的基于算法模型的评级方法，其特征在于，所述利用预设的评估算法对所述多个最优参数子模型进行选择，得到多个高分子模型，包括：

根据预设的评估算法，得到各所述最优参数子模型的评分；

保留评分值大于或等于预设的评分阈值的最优参数子模型，得到所述高分子模型。

5.如权利要求4所述的基于算法模型的评级方法，其特征在于，所述根据预设的评估算法，得到各所述最优参数子模型的评分，包括：

采用下述算法计算每一个所述最优参数子模型的评分：

Score＝avg(auc,ks,-log(psi))

其中，Score是各所述最优参数子模型在统一评估指标下的评分，auc是各原始子模型的判断精确度，ks是训练各原始子模型时执行参数调整时的最大调整值，psi是训练各原始子模型时的训练次数。

6.如权利要求3所述的基于算法模型的评级方法，其特征在于，所述根据预设的精确合并算法将所述多个高分子模型合并为主模型，包括：

根据所述多个高分子模型的判断精确度计算各所述高分子模型的权重；

利用如下精确合并算法将所述多个高分子模型合并为主模型：

其中，P是主模型，w_k是各所述高分子模型的权重，p_k是各所述高分子模型的输出结果，AUC_k是第k个高分子模型的判断精确度，AUC_i是所有高分子模型的判断精确度，n是所述多个高分子模型的总数。

7.如权利要求1至6中任意一项所述的基于算法模型的评级方法，其特征在于，所述方法还包括：

当获取到与所述用户数据集内数据特征不同的新用户数据集时，根据所述新用户数据集选择对应的原始子模型，并所述对应的原始子模型进行参数调整，得到更新后的原始子模型；

将所述更新后的原始子模型并入主模型中。