[发明专利]基于五折交叉验证的评分卡建模方法及装置

权利要求书

1.一种基于五折交叉验证的评分卡建模方法，其特征在于，包括：

定义目标变量，将逾期天数超过预设天数的用户定义为负样本，将逾期天数未超过预设天数的用户定义为正样本；

获取原始变量数据，所述原始变量数据包括金融机构数据和第三方数据，形成样本数据集；

对所述原始变量数据进行分箱处理，计算每箱变量的证据权重值、以及变量对应的信息值；采用皮尔逊相关系数计算变量之间的相关性，对共线性的变量进行筛选；

基于所述原始变量数据和所述目标变量构建五折交叉验证标签；

利用所述五折交叉验证标签将样本数据集随机划分成五份，将五折数据分别采用LightGBm算法进行训练，得到评分卡模型。

2.根据权利要求1所述的基于五折交叉验证的评分卡建模方法，其特征在于，对所述原始变量数据进行分箱处理之前，还包括：

对所述原始变量数据进行数据清洗处理，其中数据清洗包括缺失值处理和异常值处理。

3.根据权利要求1所述的基于五折交叉验证的评分卡建模方法，其特征在于，基于所述原始变量数据和所述目标变量构建五折交叉验证标签，包括：

对第三方数据和金融机构数据中的每组特征值分别进行缺失值打标，其中所述第三方数据或者金融机构数据中至少具有一组数据源，每组数据源至少具有一组特征值；

将所有缺失值标签和定义的目标变量相结合，组成一个多维标签作为五折交叉验证标签。

4.根据权利要求1所述的基于五折交叉验证的评分卡建模方法，其特征在于，所述方法还包括：

对模型进行调参处理；

根据模型的评估指标来评估模型的区分能力、预测能力和稳定性，并生成评估报告。

5.根据权利要求1所述的基于五折交叉验证的评分卡建模方法，其特征在于，对所述原始变量数据进行分箱处理，计算每箱变量的证据权重值、以及变量对应的信息值；采用皮尔逊相关系数计算变量之间的相关性，对共线性的变量进行筛选，包括：

所述计算每箱变量的证据权重值，证据权重值的计算式如下：

其中，WOEi表示第i个分箱的证据权重值，pi,good、pi,bad分别表示第i个分箱中正、负样本数与样本总数的比例；

所述计算变量对应的信息值，信息值的计算式如下：

其中，N表示变量分箱的数量，WOEi表示第i个分箱的证据权重值，pi,good、pi,bad分别表示第i个分箱中正、负样本数与样本总数的比例；

所述皮尔逊相关系数计算变量之间的相关性，计算式如下：

其中，r表示变量X、Y的皮尔逊相关系数，Xk,k＝1,2,…N表示第k个样本中变量X的取值，表示变量X的均值，Yk,k＝1,2,…N表示第k个样本中变量Y的取值，表示变量Y的均值，N为样本总数。

6.一种基于五折交叉验证的评分卡建模装置，其特征在于，包括：

目标变量定义模块，用于定义目标变量，将逾期天数超过预设天数的用户定义为负样本，将逾期天数未超过预设天数的用户定义为正样本；

原始变量获取模块，用于获取原始变量数据，所述原始变量数据包括金融机构数据和第三方数据，形成样本数据集；

变量筛选模块，用于对所述原始变量数据进行分箱处理，计算每箱变量的证据权重值、以及变量对应的信息值；采用皮尔逊相关系数计算变量之间的相关性，对共线性的变量进行筛选；

验证标签构建模块，用于基于所述原始变量数据和所述目标变量构建五折交叉验证标签；

模型训练模块，用于利用所述五折交叉验证标签将样本数据集随机划分成五份，将五折数据分别采用LightGBm算法进行训练，得到评分卡模型。

7.根据权利要求6所述的基于五折交叉验证的评分卡建模装置，其特征在于，所述装置，还包括：

数据清洗模块，用于对所述原始变量数据进行数据清洗处理，其中数据清洗包括缺失值处理和异常值处理。