[发明专利]基于机器学习的用户风险分类方法、装置、介质及设备在审
| 申请号： | 201811244552.1 | 申请日： | 2018-10-24 |
| 公开（公告）号： | CN109344906A | 公开（公告）日： | 2019-02-15 |
| 发明（设计）人： | 于洋;马宁 | 申请（专利权）人： | 中国平安人寿保险股份有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 深圳市隆天联鼎知识产权代理有限公司 44232 | 代理人： | 刘抗美 |
| 地址： | 518000 广东省深圳市福田区益田路503*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本公开是关于一种基于机器学习的用户风险分类方法、装置及设备，属于人工智能技术领域，该方法包括：首先获取用户未结合网络行为的静态特征数据和结合网络行为的动态特征数据；然后，将上述两种特征数据剔除目标剔除特征数据后输入预先训练的随机森林模型后输出用户风险等级；其次，将上述两种特征的数据中剔除目标剔除特征数据后的特征数据、以及随机森林模型输出的用户风险等级输入预先训练的逻辑回归模型后输出用户风险评分；最后，根据随机森林模型输出的用户风险等级和逻辑回归模型输出的用户风险评分，对用户进行风险上的分类。本公开通过机器学习模型利用用户静态特征和动态特征数据对用户风险进行分类，有效提高了风险分类的准确性。 | ||
| 搜索关键词： | 特征数据 剔除 输出 风险分类 随机森林 逻辑回归模型 动态特征 基于机器 网络行为 机器学习模型 人工智能技术 装置及设备 静态特征 用户静态 分类 学习 | ||
【主权项】：
1.一种用户风险分类方法，其特征在于，包括：获取用户静态特征数据，所述用户静态特征数据表示在未结合用户网络行为的情况下表现出来的特征；获取用户动态特征数据，所述用户动态特征数据表示用户的网络行为表现出来的特征；剔除用户静态特征数据和用户动态特征数据中的目标剔除特征数据；将剔除了目标剔除特征数据后的用户静态特征数据和用户动态特征数据的特征数据输入预先训练的随机森林模型，所述随机森林模型输出用户风险等级；将剔除了目标剔除特征数据后的用户静态特征数据和用户动态特征数据的特征数据、以及随机森林模型输出的用户风险等级，输入预先训练的逻辑回归模型，由逻辑回归模型输出用户风险评分；根据随机森林模型输出的用户风险等级和逻辑回归模型输出的用户风险评分，对用户进行风险上的分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国平安人寿保险股份有限公司，未经中国平安人寿保险股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811244552.1/，转载请声明来源钻瓜专利网。
