[发明专利]风险等级识别模型训练方法、识别方法、终端及存储介质

说明书

本发明涉及人工智能技术领域，提供一种风险等级识别模型训练方法、风险等级识别方法、终端及存储介质，包括：从多个用户的多个一阶特征中筛选出多个目标一阶特征并训练第一风险识别模型；使用第一风险识别模型对根据多个目标一阶特征生成的多个二阶特征进行有效性验证得到多个目标二阶特征；当基于多个目标二阶特征训练第二风险识别模型的测试通过率没有满足预设期望值时，使用多个目标二阶特征生成多个三阶特征并使用第二风险识别模型对多个三阶特征进行有效性验证得到多个目标三阶特征；直至满足预设期望值时，基于多个目标三阶特征训练风险等级识别模型。本发明能够提高风险等级识别模型的识别效率，有效的保证识别出的风险等级的准确率。

技术领域

本发明涉及人工智能技术领域，具体涉及一种风险等级识别模型训练方法、风险等级识别方法、终端及存储介质。

背景技术

随着互联网、物联网、传感器等技术的快速发展，催生出了一种新的金融工具-互联网金融服务。互联网金融服务能够为没有抵押品且很可能被传统金融机构拒绝的人群提供了帮助，在金融领域中起着重要作用。对于提供此类金融服务的平台，主要挑战在于对用户进行风险管理和信用评分。

然而，发明人在实现本发明的过程中发现，在对用户进行风险管理时，经常要面对大量原始数据，而传统的风险评分或者信用评分在很大程度上取决于领域专家知识，且一次仅能构建一个特征，特征构建效率极其低下，导致风险评估效率较低；此外，凭直觉和反复试验构建的特征和权重，导致风险识别模型不稳定，进而导致风险识别准确率的可信度较低。

发明内容

鉴于以上内容，有必要提出一种风险等级识别模型训练方法、风险等级识别方法、终端及存储介质，能够提高风险等级识别模型的识别效率，有效的保证识别出的风险等级的准确率。

本发明的第一方面提供一种风险等级识别模型训练方法，所述方法包括：

从多个用户的多个一阶特征中筛选出多个目标一阶特征；

基于所述多个用户的多个目标一阶特征训练第一风险识别模型；

根据每个用户的多个目标一阶特征生成多个二阶特征，并使用所述第一风险识别模型对每个用户的多个二阶特征进行有效性验证得到多个目标二阶特征；

基于所述多个用户的多个目标二阶特征训练第二风险识别模型，并判断所述第二风险识别模型的测试通过率是否满足预设期望值；

当确定所述第二风险识别模型的测试通过率没有满足所述预设期望值时，使用所述多个用户的多个目标二阶特征生成多个三阶特征，并使用所述第二风险识别模型对每个用户的多个三阶特征进行有效性验证得到多个目标三阶特征；

迭代使用所述多个用户的多个目标三阶特征训练第三风险识别模型，直至判断所述第三风险识别模型的测试通过率满足预设期望值时，基于所述多个用户的多个目标三阶特征训练风险等级识别模型。

根据本发明的一个可选的实施例，所述根据每个用户的多个目标一阶特征生成多个二阶特征包括：

使用每个用户的多个目标一阶特征训练第一GBDT模型；

获取所述第一GBDT模型的叶子节点上的特征；

将每个叶子节点上的特征作为一个二阶特征。

根据本发明的一个可选的实施例，所述使用所述第一风险识别模型对每个用户的多个二阶特征进行有效性验证得到多个目标二阶特征包括：

从每个用户的多个目标一阶特征中随机选取部分目标一阶特征作为第一特征集；

将每个用户的多个二阶特征中的任意一个二阶特征加入所述第一特征集中得到第二特征集；

基于所述第二特征集训练子风险识别模型，并测试所述子风险识别模型的测试通过率；