[发明专利]一种基于机器学习的质保产品的风险可视化工具

权利要求书

1.一种基于机器学习的质保产品的风险可视化工具产出方法，其特征在于，包括如下步骤：

S1质保期内产品理赔数据处理步骤；

S2以机器学习模型算法拟合步骤；所述以机器学习模型算法拟合步骤包括：以非线性回归的形态对质保期内产品理赔数据进行拟合评估和可靠性的分析，通过机器学习算法工具，根据数据不同的情况，进行非线性模型的拟合并产出预计风险情况，所述风险情况包括赔付、损坏概率；

S3根据S2步骤处理结果进行可视化呈现，生成可视化风控看板步骤；

S4根据S2步骤处理结果进行可视化呈现，生成准备金可视化视图看板步骤；

优选的是，还包括生成关键指标数据看板步骤。

2.如权利要求1所述的基于机器学习的质保产品的风险可视化工具产出方法，其特征在于，所述基于机器学习的质保产品的风险可视化工具的可视化引擎计算流程/系统架构包括base层和汇报体系层。

3.如权利要求2所述的基于机器学习的质保产品的风险可视化工具产出方法，其特征在于，所述base层被配置为：

a.步骤S1的质保期内产品理赔数据和生产数据导入pipeline，获得pipeline数据；

b.将pipeline数据进行数据清洗、数据结构转化，获得时序维度数据；

c.步骤S2进行拟合评估和可靠性的分析，是将时序维度数据直接或经处理后进行可靠性/生存分析，得到可靠性/生存分析数据；

d.步骤S3和步骤S4的可视化呈现包括：将可靠性/生存分析数据放入模型库供API形式调用。

4.如权利要求3所述的基于机器学习的质保产品的风险可视化工具产出方法，其特征在于，

步骤c中，时序维度数据经处理的方法包括：将时序维度数据根据期望的时间频率下展开，并将历史赔付明细加入展开的时序数据中；同时，输入经验模型参数的情况做为模型拟合的重要指标，所述经验模型参数包括损失值和衰减曲线。

5.如权利要求4所述的基于机器学习的质保产品的风险可视化工具产出方法，其特征在于，

时序维度数据缺失时，通过UI界面形式，手动输出所有模型参数，所述模型参数包括关键产品维度、经验损失值、预设历史赔付率、损额；

将模型参数存入后端数据库，为机器学习模型算法提供所需的参数。

6.如权利要求4所述的基于机器学习的质保产品的风险可视化工具产出方法，其特征在于，可靠性/生存分析由可靠性/生存分析工具实现，所述可靠性/生存分析工具包括：

变量甄别模块，该模块被配置为根据R的非线性模型产出的p值、变量显著性、MSE等，可增加或减少变量；

验证功能模块，该模块被配置为通过工具的分层抽样法，选取具有代表性的测试数据作为验证模型性能的关键功能；

一键开始功能模块，该模块被配置为系统内嵌预设值，通过点击一个按键完成可靠性分析。

7.如权利要求3所述的基于机器学习的质保产品的风险可视化工具产出方法，其特征在于，所述汇报体系层被配置为步骤S3和步骤S4的可视化呈现，具体包括：

获取登录界面信息；

获取选择产品/场景信息；

获得报表页面跳转信息；其中，所述报表页面跳转信息包括通过panel之间切换的：

产品页赔付率预测/准备金预测报表页面信息；

可视化报表示例页面；

现金流明细页面。

8.如权利要求3所述的基于机器学习的质保产品的风险可视化工具产出方法，其特征在于，

所述API形式调用方式为：将模型结果输出、损失曲线可视化，不同维度呈现；呈现损失曲线可视化功能界面(附加项)。