[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

说明书

本申请提供一种网络借贷信用的评价方法、相关装置及计算机存储介质，所述网络借贷信用的评价方法包括：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。从而实现准确的对网络借贷信用进行评价的目的。

技术领域

本申请涉及计算机技术领域，特别涉及一种网络借贷信用的评价方法、相关装置及计算机存储介质。

背景技术

信用评价是网络借贷平台发展和转型的内在需求，国内外网络借贷平台都有动机和意图来建立精准的信用评价方法，从而减少出借者和平台面临的违约风险和损失。

现有技术中，数据挖掘方法通常是网络借贷平台实现信用评价的主要手段，依靠长期以来积累的大量历史数据，训练分类模型来对新的贷款申请进行信用等级的判断。

但是，由于网络借贷中存在更多次级贷款，且利率设置方式不同于传统银行借贷中利率相对固定的模式。因此，在网络借贷中，平台不仅需要识别并拒绝信用不良的贷款，还要根据借款者的信用水平将其划分为多个信用等级，不同信用等级下的贷款利率差异较大。从而导致对网络借贷信用的评价不准确。

发明内容

有鉴于此，本申请提供一种网络借贷信用的评价方法、相关装置及计算机存储介质，用于准确的对网络借贷信用进行评价。

本申请第一方面提供了一种网络借贷信用的评价方法，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。

可选的，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。

可选的，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。

可选的，所述网络借贷信用的评价方法，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。

本申请第二方面提供了一种网络借贷信用的评价装置，包括：

获取单元，用于获取客户的网络贷款数据；