[发明专利]信用风险预测模型训练方法、电子设备及可读存储介质

权利要求书

1.一种信用风险预测模型训练方法，其特征在于，所述信用风险预测模型训练方法包括：

获取用户的历史行为数据作为训练样本集以及所述训练样本集中各训练样本的样本权重；

根据所述训练样本集和各所述样本权重，迭代训练得到信用风险预测总模型，其中，所述信用风险预测总模型由多个风险预测子模型组成；

获取各所述风险预测子模型对于所述训练样本集的子模型预测结果，依据各所述子模型预测结果，对所述风险预测子模型进行聚类，得到至少一个子模型群；

依据各所述子模型预测结果和各所述子模型群，优化各所述样本权重，以扩增所述训练样本集；

返回执行步骤：根据所述训练样本集和各所述样本权重，迭代训练得到信用风险预测总模型，直至所述信用风险预测总模型满足预设迭代更新结束条件，得到目标信用风险预测总模型。

2.如权利要求1所述信用风险预测模型训练方法，其特征在于，所述根据所述训练样本集和各所述样本权重，迭代训练得到信用风险预测总模型，其中，所述信用风险预测总模型由多个风险预测子模型组成的步骤包括：

从所述训练样本集中选取训练样本，并根据所述训练样本和所述训练样本对应的样本权重确定待预测样本；

将所述待预测样本分别输入各所述风险预测子模型，得到各子模型输出预测结果；

根据各所述风险预测子模型对应的模型加权权重，对各所述子模型输出预测结果进行加权聚合，得到总模型输出预测结果；

根据所述总模型输出预测结果，优化各所述模型加权权重以及各所述风险预测子模型；

返回执行步骤：从所述训练样本集中选取训练样本，并根据所述训练样本和所述训练样本对应的样本权重确定待预测样本，直至各所述模型加权权重满足预设权重条件以及各所述子模型参数满足预设模型参数条件，得到所述信用风险预测总模型。

3.如权利要求1所述信用风险预测模型训练方法，其特征在于，所述依据各所述子模型预测结果，对所述风险预测子模型进行聚类，得到至少一个子模型群的步骤包括：

获取各所述子模型预测结果之间的子模型预测结果相似度，将所述子模型预测结果相似度作为各所述风险预测子模型之间的子模型相似度；

依据所述子模型相似度，对各所述风险预测子模型进行聚类，得到至少一个子模型群。

4.如权利要求1所述信用风险预测模型训练方法，其特征在于，所述依据各所述子模型预测结果和各所述子模型群，优化各所述样本权重，以扩增所述训练样本集的步骤包括：

在各所述子模型群中选取满足预设条件的目标子模型群，其中，所述预设条件包括相关性条件和重要度条件中的至少一种；

依据所述目标子模型群和各所述子模型预测结果，调整各所述样本权重，以扩增所述训练样本集。

5.如权利要求4所述信用风险预测模型训练方法，其特征在于，所述在各所述子模型群中选取满足预设条件的目标子模型群，其中，所述预设条件包括相关性条件和重要度条件中的至少一种的步骤包括：

获取所述信用风险预测总模型对于所述训练样本集的总模型预测结果；

依据各所述子模型预测结果和所述总模型预测结果，生成各所述子模型群与所述信用风险预测总模型之间的子模型群相关性；

在各所述子模型群中选取所述子模型群相关性小于预设相关性阈值的目标子模型群。

6.如权利要求4所述信用风险预测模型训练方法，其特征在于，所述在各所述子模型群中选取满足预设条件的目标子模型群，其中，所述预设条件包括相关性条件和重要度条件中的至少一种的步骤，还包括：

获取各所述风险预测子模型的模型加权权重；

依据所述模型加权权重，确定各所述子模型群对于所述信用风险预测总模型的子模型群重要度；

在各所述子模型群中选取所述子模型群重要度小于预设重要度阈值的目标子模型群。