[发明专利]网络借贷信用的评价方法、相关装置及计算机存储介质

权利要求书

1.一种网络借贷信用的评价方法，其特征在于，包括：

获取客户的网络贷款数据；

将所述网络贷款数据输入至信用评价模型中，得到所述客户的信用评价等级；其中，所述信用评价模型由训练样本集和误分类代价矩阵对至少一个分类器进行训练得到；所述训练样本集包括：至少一个训练样本用户的贷款数据以及真实信用评价等级。

2.根据权利要求1所述的评价方法，其特征在于，所述信用评价模型的构建方法，包括：

构建训练样本集；其中，所述训练样本集包括：至少一个训练样本用户的贷款数据以及真实信用评价等级；

在训练样本集中，随机抽取一个训练样本用户，作为目标训练样本用户；

针对每一个所述目标训练样本用户，分配一个分类器，作为目标分类器；

将所述目标训练样本用户的贷款数据输入至目标分类器中，得到所述目标训练样本用户在每一个信用评价等级的预测值；

将所述目标训练样本用户在所有信用评价等级的预测值的平均值与误分类代价矩阵相乘，得到预测结果；

利用所述预测结果与所述真实信用评价等级之间的误差，对所有所述目标分类器中的参数进行不断调整，直至调整后的所有所述目标分类器输出的预测结果与真实信用评价等级之间的误差满足预设的收敛条件时，将所有所述调整后的目标分类器的组合确定为信用评价模型。

3.根据权利要求2所述的评价方法，其特征在于，所述利用所述预测结果与所述真实信用评价等级之间的误差，对所有所述目标分类器中的参数进行不断调整，包括：

将所述训练样本用户的类标签，修正为最佳类别；其中，所述最佳类别为总成本最小的类别。

4.根据权利要求2所述的评价方法，其特征在于，还包括：

在构建所述信用评价模型的过程中，利用引导聚集算法集成学习的方式提高所述信用评价模型的准确率。

5.一种网络借贷信用的评价装置，其特征在于，包括：

获取单元，用于获取客户的网络贷款数据；

第一输入单元，用于将所述网络贷款数据输入至信用评价模型中，得到所述客户的信用评价等级；其中，所述信用评价模型由训练样本集和误分类代价矩阵对至少一个分类器进行训练得到；所述训练样本集包括：至少一个训练样本用户的贷款数据以及真实信用评价等级。

6.根据权利要求5所述的评价装置，其特征在于，所述信用评价模型的构建单元，包括：

训练样本集构建单元，用于构建训练样本集；其中，所述训练样本集包括：至少一个训练样本用户的贷款数据以及真实信用评价等级；

抽取单元，用于在训练样本集中，随机抽取一个训练样本用户，作为目标训练样本用户；

分配单元，用于针对每一个所述目标训练样本用户，分配一个分类器，作为目标分类器；

第二输入单元，用于将所述目标训练样本用户的贷款数据输入至目标分类器中，得到所述目标训练样本用户在每一个信用评价等级的预测值；

计算单元，用于将所述目标训练样本用户在所有信用评价等级的预测值的平均值与误分类代价矩阵相乘，得到预测结果；

模型确定单元，用于利用所述预测结果与所述真实信用评价等级之间的误差，对所有所述目标分类器中的参数进行不断调整，直至调整后的所有所述目标分类器输出的预测结果与真实信用评价等级之间的误差满足预设的收敛条件时，将所有所述调整后的目标分类器的组合确定为信用评价模型。

7.根据权利要求6所述的评价装置，其特征在于，所述模型确定单元用于利用所述预测结果与所述真实信用评价等级之间的误差，对所有所述目标分类器中的参数进行不断调整时，包括：

修正单元，用于将所述训练样本用户的类标签，修正为最佳类别；其中，所述最佳类别为总成本最小的类别。

8.根据权利要求6所述的评价装置，其特征在于，还包括：

集成学习单元，用于在构建所述信用评价模型的过程中，利用引导聚集算法集成学习的方式提高所述信用评价模型的准确率。