[发明专利]基于聚类算法的汽车金融授信方法

权利要求书

1.一种基于聚类算法的汽车金融授信方法，其特征在于：

所述基于聚类算法的汽车金融授信方法包括如下步骤：

构建一个采用K-means算法进行模型训练的机器学习模型；

将汽车金融授信判断所需的输入数据输入至所述机器学习模型；

根据所述机器学习模型的输出数据和预设客户画像标准输出对应客户的贷款授信额度。

2.根据权利要求1所述的基于聚类算法的汽车金融授信方法，其特征在于：

所述构建一个采用K-means算法进行模型训练的机器学习模型包括如下步骤：

抽取客户的个人资质数据；所述个人资质数据包括：年龄数据、性别数据和职业数据。

3.根据权利要求2所述的基于聚类算法的汽车金融授信方法，其特征在于：

所述构建一个采用K-means算法进行模型训练的机器学习模型还包括如下步骤：

抽取客户的外部资质数据；所述外部资质数据包括：FICO分数据、征信数据、银联数据。

4.根据权利要求3所述的基于聚类算法的汽车金融授信方法，其特征在于：

所述构建一个采用K-means算法进行模型训练的机器学习模型还包括如下步骤：

根据所抽取的个人资质数据和外部资质数据进行特征生成，所述特征生成的维度包括：年龄数据、教育水平数据、婚姻状态数据、职业数据、贷款数据、信用卡数据、公积金数据、住房数据。

5.根据权利要求4所述的基于聚类算法的汽车金融授信方法，其特征在于：

所述构建一个采用K-means算法进行模型训练的机器学习模型还包括如下步骤：

对特征生成所涉及的维度的数据进行缺失值和异常值处理，当缺失比例高于预设比例阈值时，删除该特征维度；当缺失比例低于所述预设比例阈值时，采用插值方式进行数值填充。

6.根据权利要求5所述的基于聚类算法的汽车金融授信方法，其特征在于：

当缺失值有特殊含义时，单独将具有特殊含义的缺失值对应的特征维度归纳为一类。

7.根据权利要求6所述的基于聚类算法的汽车金融授信方法，其特征在于：

所述构建一个采用K-means算法进行模型训练的机器学习模型还包括如下步骤：

判断离散变量的取值是否具有大小的意义，如果有则使用数值映射方法进行替换，如果否则对离散变量进行One-Hot编码。

8.根据权利要求7所述的基于聚类算法的汽车金融授信方法，其特征在于：

所述构建一个采用K-means算法进行模型训练的机器学习模型还包括如下步骤：

对特征数据采用PCA算法进行数据降维至预设维度。

9.根据权利要求8所述的基于聚类算法的汽车金融授信方法，其特征在于：

所述构建一个采用K-means算法进行模型训练的机器学习模型还包括如下步骤：

选取所述K-means模型的k值。

10.根据权利要求9所述的基于聚类算法的汽车金融授信方法，其特征在于：

所述根据所述机器学习模型的输出数据和预设客户画像标准输出对应客户的贷款授信额度包括如下步骤：

根据所述K-means模型的输出，分析同客群类别的特征变量分布，从而将所述客群类别分为I类，II类，III类，IV类人群；

根据客户所属的客群类别输出用户画像权重；

至少根据用户画像权重计算客户最终的贷款授信额度。