[发明专利]银行客户数据处理方法及装置

权利要求书

1.一种银行客户数据处理方法，其特征在于，包括：

获得银行客户数据，所述银行客户数据包括：个人数据，交易数据，行为数据其中之一或任意组合；

根据所述银行客户数据和预先建立的分类模型，对银行客户数据进行分类，其中，所述分类模型根据多个训练好的机器学习模型预先建立，所述多个训练好的机器学习模型利用遗传算法从机器学习模型集合中进行选取，所述机器学习模型集合中每个训练好的机器学习模型设置有不同超参数，每个机器学习模型根据银行客户历史数据进行训练。

2.如权利要求1所述的银行客户数据处理方法，其特征在于，所述多个训练好的机器学习模型按如下方式从机器学习模型集合中进行选取：

对机器学习模型集合中的训练好的机器学习模型进行编号，获得每个训练好的机器学习模型对应的模型序号；

对所述每个训练好的机器学习模型对应的模型序号进行二进制编码处理；

根据二进制编码处理后的模型序号，随机生成初始种群；

利用遗传算法对所述初始种群进行多次更新，其中对于每次更新，选取种群中每个子代数据对应的一个或多个训练好的机器学习模型，根据所述一个或多个训练好的机器学习模型，银行客户历史数据以及预设监督值，生成种群中每个子代数据对应的适应度指标，根据所述适应度指标选取预设数量的子代数据，根据所述预设数量的子代数据对种群进行下一次更新。

3.如权利要求2所述的银行客户数据处理方法，其特征在于，根据所述一个或多个训练好的机器学习模型，银行客户历史数据以及预设监督值，生成种群中每个子代数据对应的适应度指标，包括：

根据所述一个或多个训练好的机器学习模型和银行客户历史数据，确定模型输出值；

根据所述模型输出值和预设监督值之间的误差值，生成种群中每个子代数据对应的适应度指标。

4.如权利要求1所述的银行客户数据处理方法，其特征在于，所述多个训练好的机器学习模型包括：xgboost机器学习模型，lightgbm机器学习模型和神经网络模型。

5.如权利要求1所述的银行客户数据处理方法，其特征在于，还包括：获得银行客户数据之后，利用三倍标准差探测算法对所述银行客户数据进行清洗处理，利用均值填充算法对清洗处理后的银行客户数据进行空缺填充处理，对空缺填充处理后的银行客户数据进行数据向量化处理；

根据所述银行客户数据和预先建立的分类模型，对银行客户数据进行分类，包括：根据数据向量化处理后的银行客户数据和预先建立的分类模型，对银行客户数据进行分类。

6.一种银行客户数据处理装置，其特征在于，包括：

数据获得模块，用于获得银行客户数据，所述银行客户数据包括：个人数据，交易数据，行为数据其中之一或任意组合；

数据分类模块，用于根据所述银行客户数据和预先建立的分类模型，对银行客户数据进行分类，其中，所述分类模型根据多个训练好的机器学习模型预先建立，所述多个训练好的机器学习模型利用遗传算法从机器学习模型集合中进行选取，所述机器学习模型集合中每个训练好的机器学习模型设置有不同超参数，每个机器学习模型根据银行客户历史数据进行训练。

7.如权利要求6所述的银行客户数据处理装置，其特征在于，所述数据分类模块进一步用于：

对机器学习模型集合中的训练好的机器学习模型进行编号，获得每个训练好的机器学习模型对应的模型序号；

对所述每个训练好的机器学习模型对应的模型序号进行二进制编码处理；

根据二进制编码处理后的模型序号，随机生成初始种群；

利用遗传算法对所述初始种群进行多次更新，其中对于每次更新，选取种群中每个子代数据对应的一个或多个训练好的机器学习模型，根据所述一个或多个训练好的机器学习模型，银行客户历史数据以及预设监督值，生成种群中每个子代数据对应的适应度指标，根据所述适应度指标选取预设数量的子代数据，根据所述预设数量的子代数据对种群进行下一次更新。