[发明专利]业务数据处理方法及计算机设备

权利要求书

1.一种业务数据处理方法，其特征在于，应用于计算机设备，所述方法包括以下步骤：

步骤S1，从目标数据平台获取在第一业务区域内的P个第一业务项目的第一反欺诈变量和第一欺诈客户标签，组成P个第一反欺诈建模样本数据集；其中，所述第一反欺诈变量作为建模的第一预测变量，所述第一欺诈客户标签作为建模的第一响应变量；其中，P为正整数；

步骤S2，基于所述P个第一反欺诈建模样本数据集分别训练一个目标模型，并从P个目标模型中选择AUC数值最高的模型作为模型S，将所述模型S的建模样本数据集确定为数据集S，将所述模型S的变量组合作为变量组合S；

步骤S3，根据所述变量组合S从所述目标数据平台中获取在第二业务区域内的第二业务项目的第二反欺诈变量和第二欺诈客户标签，组成第二反欺诈建模样本数据集T；其中，所述第二反欺诈变量作为建模的第二预测变量，所述第二欺诈客户标签作为建模的第二响应变量；

步骤S4，合并所述数据集S和所述数据集T得到数据集A；其中，所述数据集S的样本量为n，所述数据集T的样本量为m；对所述数据集A中的样本个体设置编号，编号为1到n+m，编号为1到n的样本个体来自数据集S，编号为n+1到n+m的样本个体来自数据集T；其中，n和m为正整数；

步骤S5，对所述数据集A中的样本个体分配初始权重；

步骤S6，设定用于记录迭代次数的整数型变量t，且对所述变量t赋值为1；其中，t为正整数；

步骤S7，针对所述数据集A，按照当前的样本权重，并使用所述变量组合S训练模型At；

步骤S8，调用所述模型At，对所述数据集A中的样本进行预测，输出欺诈标签的概率，并确定所述模型At相对于所述数据集T的预测损失et；

步骤S9，确定所述模型At相对于所述数据集T的预测性能指标AUC，并缓存所述预测性能指标AUC和所述欺诈标签的概率对应的模型预测结果；

步骤S10，根据所述预测损失et确定并更新所述数据集T中的样本的权重；

步骤S11，更新迭代所述变量t，将所述变量t的赋值加1；

步骤S12，对步骤S7至步骤S11进行循环迭代，直至满足迭代循环条件，以得到x个待处理模型；

步骤S13，基于所述x个待处理模型中的每个待处理模型相对于所述数据集T的预测性能指标AUC，确定出最终模型，并提取所述最终模型对应的模型参数作为与所述第二业务项目对应的建模参数。

2.根据权利要求1所述的方法，其特征在于，步骤S5中，对所述数据集A中的样本个体分配初始权重，包括：

将所述数据集A中来自所述数据集S的每个样本个体的权重分配为1/n；

将所述数据集A中来自所述数据集T的每个样本个体的权重分配为1/m。

3.根据权利要求1所述的方法，其特征在于，在步骤S2中，所述目标模型为逻辑回归模型。

4.根据权利要求1所述的方法，其特征在于，在步骤S2中，所述目标模型为随机森林模型。

5.根据权利要求1所述的方法，其特征在于，在步骤S2中，所述目标模型为支持向量机。

6.根据权利要求1所述的方法，其特征在于，在步骤S12中，迭代循环条件如下：步骤S9中缓存的预测性能指标AUC的提升量满足设定条件。

7.根据权利要求6所述的方法，其特征在于，步骤S9中缓存的预测性能指标AUC的提升量满足设定条件，包括：步骤S9中缓存的预测性能指标AUC的提升量连续5轮的提升小于5%。

8.一种计算机设备，其特征在于，包括业务数据处理装置，所述业务数据处理装置用于执行权利要求1-7任一项所述的方法。

9.一种计算机设备，其特征在于，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中调取计算机程序，并通过运行所述计算机程序实现权利要求1-7任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序在运行时实现权利要求1-7任一项所述的方法。