技術(shù)特征：

1.一種網(wǎng)絡(luò)電商借貸風(fēng)險(xiǎn)評(píng)估方法，其特征在于，包括以下步驟：

步驟1、收集歷史借貸客戶的數(shù)據(jù)作為樣本集；每個(gè)借貸客戶的數(shù)據(jù)包括n維評(píng)價(jià)指標(biāo)數(shù)據(jù)和違約標(biāo)簽target，target＝1表示貸款違約，target＝0表示正常還款；

步驟2、對(duì)樣本集中的數(shù)據(jù)進(jìn)行預(yù)處理；所述預(yù)處理包括缺失值處理、非數(shù)字型評(píng)價(jià)指標(biāo)數(shù)據(jù)量化和數(shù)據(jù)標(biāo)準(zhǔn)化；

步驟3、根據(jù)違約標(biāo)簽target的值把樣本集中的樣本分為兩類，第一類為target＝0的正常還款客戶，由其對(duì)應(yīng)的評(píng)價(jià)指標(biāo)數(shù)據(jù)構(gòu)建矩陣第二類為target＝1的貸款違約客戶，由其對(duì)應(yīng)的評(píng)價(jià)指標(biāo)數(shù)據(jù)構(gòu)建矩陣其中m1和m2分別為兩類樣本中的樣本數(shù)量，為n維向量，表示第k類中第i個(gè)樣本的評(píng)價(jià)指標(biāo)；

步驟4、基于兩類樣本，構(gòu)建最小二乘孿生支持向量機(jī)分類模型，并對(duì)其進(jìn)行訓(xùn)練，建立網(wǎng)絡(luò)電商借貸風(fēng)險(xiǎn)評(píng)估模型；

步驟5、根據(jù)4建立的網(wǎng)絡(luò)電商借貸風(fēng)險(xiǎn)評(píng)估模型，預(yù)測樣本集中各個(gè)樣本的違約標(biāo)簽target；

步驟6、對(duì)于每個(gè)樣本，根據(jù)5預(yù)測得到的違約標(biāo)簽target和步驟1收集的實(shí)際的違約標(biāo)簽target確定樣本的預(yù)測誤差，并根據(jù)預(yù)測誤差的大小確定每個(gè)樣本權(quán)重的大小；樣本權(quán)重的確定原則是：預(yù)測誤差較大的樣本權(quán)值較小，預(yù)測誤差較小的樣本權(quán)值較大；

步驟7、基于每個(gè)樣本權(quán)重，構(gòu)建加權(quán)最小二乘孿生支持向量機(jī)分類模型，重新建立網(wǎng)絡(luò)電商借貸風(fēng)險(xiǎn)評(píng)估模型；

步驟8、采集新的借貸客戶的n維評(píng)價(jià)指標(biāo)數(shù)據(jù)，預(yù)處理后代入步驟7確定的網(wǎng)絡(luò)電商借貸風(fēng)險(xiǎn)評(píng)估模型，接到借款人對(duì)應(yīng)的違約標(biāo)簽target，預(yù)測該借貸客戶是否會(huì)貸款違約，以對(duì)本次借貸風(fēng)險(xiǎn)進(jìn)行評(píng)估。

2.根據(jù)權(quán)利要求1所述的網(wǎng)絡(luò)電商借貸風(fēng)險(xiǎn)評(píng)估方法，其特征在于，所述步驟4具體包括以下步驟：

步驟4.1、構(gòu)建最小二乘孿生支持向量機(jī)分類模型：

$\underset{w_1,b_1}{min}\frac{1}{2}\left|\right|K(A,C^T)w_1+e_1{b}_1|{|}^2+\frac{1}{2}{C}_1{\mathrm{\η}}_2^T{\mathrm{\η}}_2$

s.t.-(K(B,C^T)w₁+e₂b₁)＝e₂-η₂

$\underset{w_2,b_2}{min}\frac{1}{2}\left|\right|K(B,C^T)w_2+e_2{b}_2|{|}^2+\frac{1}{2}{C}_2{\mathrm{\η}}_1^T{\mathrm{\η}}_1$

s.t.K(A,C^T)w₂+e₁b₂＝e₁-η₁

其中，C₁和C₂為懲罰參數(shù),根據(jù)十折交叉驗(yàn)證選擇最優(yōu)的取值；η₁和η₂為損失變量；e₁和e₂為元素全為1的列向量；C＝[A^T,B^T]^T,K(X,C^T)為高斯核函數(shù)，X＝A或B；w₁和w₂為權(quán)向量，b₁和b₂表示分類閾值；w₁、w₂、b₁和b₂為待求參數(shù)；

步驟4.2、通過以下公式求取w₁、w₂、b₁和b₂：

$\left[\begin{array}{c}{w}_1\\ b_1\end{array}\right]=-{(V^{T}V+\frac{1}{C_1}{U}^{T}U)}^{-1}{V}^T{e}_2$

$\left[\begin{array}{c}{w}_2\\ b_2\end{array}\right]={(U^{T}U+\frac{1}{C_2}{V}^{T}V)}^{-1}{U}^T{e}_1$

其中，U＝[K(A,C^T),e₁]，V＝[K(B,C^T),e₂]；

步驟4.3、根據(jù)已確定的參數(shù)建立以下網(wǎng)絡(luò)電商借貸風(fēng)險(xiǎn)模型：

$t\arg et\left(x\right)=\left\{\begin{array}{ccc}0& if& |K(x^T,C^T)w_1+b_1|\<|K(x^T,C^T)w_2+b_2|\\ 1& if& |K(x^T,C^T)w_1+b_1|\>|K(x^T,C^T)w_2+b_2|\end{array}\right.;$

其中，x表示預(yù)處理后的新的接待客戶的n維評(píng)價(jià)指標(biāo)數(shù)據(jù)，target(x)＝0表示預(yù)測該新的借貸客戶會(huì)正常還款，target(x)＝1表示預(yù)測該新的借貸客戶會(huì)貸款違約。

3.根據(jù)權(quán)利要求2所述的網(wǎng)絡(luò)電商借貸風(fēng)險(xiǎn)評(píng)估方法，其特征在于，所述步驟6中，樣本權(quán)重的計(jì)算公式為：

${\mathrm{\ρ}}_{ki}=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp \[-\frac{|{\mathrm{\η}}_{ki}{|}^2}{2{\mathrm{\δ}}^2}\]$

其中，|η_ki|(k＝1,2)為樣本集第k類樣本中第i個(gè)樣本的的預(yù)測誤差，δ為|η_ki|(k＝1,2)的標(biāo)準(zhǔn)差。

4.根據(jù)權(quán)利要求3所述的網(wǎng)絡(luò)電商借貸風(fēng)險(xiǎn)評(píng)估方法，其特征在于，所述步驟7具體包括以下步驟：

步驟7.1、構(gòu)建加權(quán)最小二乘孿生支持向量機(jī)分類模型：

第一加權(quán)最小二乘孿生支持向量機(jī)分類模型(WLS-TSVM1):

$\underset{w_1,b_1}{min}\frac{1}{2}\left|\right|K(A,C^T)w_1^{\′}+e_1{b}_1^{\′}|{|}^2+\frac{1}{2}{C}_1^{\′}\underset{i=1}{\overset{m_2}{\Σ}}{\mathrm{\ρ}}_{1i}{\mathrm{\η}}_{2i}^2$

s.t.-(K(B,C^T)w'₁+e₂b′₁)＝e₂-η₂

第二加權(quán)最小二乘孿生支持向量機(jī)分類模型(WLS-TSVM2):

$\underset{w_2,b_2}{min}\frac{1}{2}\left|\right|K(B,C^T)w_2^{\′}+e_2{b}_2^{\′}|{|}^2+\frac{1}{2}{C}_2^{\′}\underset{i=1}{\overset{m_1}{\Σ}}{\mathrm{\ρ}}_{2i}{\mathrm{\η}}_{1i}^2$

s.t.K(A,C^T)w'₂+e₁b'₂＝e₁-η₁

其中，C′₁和C'₂為懲罰參數(shù),根據(jù)十折交叉驗(yàn)證選擇最優(yōu)的取值；w′₁和w'₂為權(quán)向量，b′₁和b'₂表示分類閾值；w′₁、w'₂、b′₁和b'₂為待求參數(shù)；

步驟7.1、通過以下公式求取w′₁、w'₂、b′₁、b'₂：

$\left[\begin{array}{c}{w}_1^{\′}\\ b_1^{\′}\end{array}\right]=-{\left(M^{T}M\right)}^{-1}{N}^T\mathrm{\α}$

$\left[\begin{array}{c}{w}_2^{\′}\\ b_2^{\′}\end{array}\right]={\left(N^{T}N\right)}^{-1}{M}^T\mathrm{\β}$

其中，M＝[K(A,C^T),e₁]，N＝[K(B,C^T),e₂]；

$\mathrm{\α}={\[\frac{P_1^{-1}}{C_1^{\′}}+N{\left(M^{T}M\right)}^{-1}{N}^T\]}^{-1}{e}_2;$

$\mathrm{\β}={\[\frac{P_2^{-1}}{C_2^{\′}}+M{\left(N^{T}N\right)}^{-1}{M}^T\]}^{-1}{e}_1;$

和分別是以ρ_1i和ρ_2i為主對(duì)角線元素的對(duì)角矩陣；

步驟7.1、根據(jù)已確定的參數(shù)重新建立以下網(wǎng)絡(luò)電商借貸風(fēng)險(xiǎn)模型：

${\mathrm{target}}^{\′}\left(x\right)=\left\{\begin{array}{ccc}0& if& |K(x^T,C^T)w_1^{\′}+b_1^{\′}|\<|K(x^T,C^T)w_2^{\′}+b_2^{\′}|\\ 1& if& |K(x^T,C^T)w_1^{\′}+b_1^{\′}|\>|K(x^T,C^T)w_2^{\′}+b_2^{\′}|\end{array}\right.$

其中，K(x^T,C^T)為高斯核函數(shù)；x表示預(yù)處理后新的借貸客戶的n維評(píng)價(jià)指標(biāo)數(shù)據(jù)，target'(x)＝0表示預(yù)測該新的借貸客戶會(huì)正常還款，target'(x)＝1表示預(yù)測該新的借貸客戶可能會(huì)貸款違約。

5.一種網(wǎng)絡(luò)電商借貸風(fēng)險(xiǎn)評(píng)估模型，其特征在于，所述模型為:

${\mathrm{target}}^{\′}\left(x\right)=\left\{\begin{array}{ccc}0& if& |K(x^T,C^T)w_1^{\′}+b_1^{\′}|\<|K(x^T,C^T)w_2^{\′}+b_2^{\′}|\\ 1& if& |K(x^T,C^T)w_1^{\′}+b_1^{\′}|\>|K(x^T,C^T)w_2^{\′}+b_2^{\′}|\end{array}\right.$

其中，x表示預(yù)處理后的新的借貸客戶的n維評(píng)價(jià)指標(biāo)數(shù)據(jù)，target'(x)＝0表示預(yù)測該新的借貸客戶會(huì)正常還款，本次借貸風(fēng)險(xiǎn)較低；target'(x)＝1表示預(yù)測該新的借貸客戶會(huì)貸款違約，本次借貸風(fēng)險(xiǎn)較高；

模型參數(shù)通過權(quán)利要求1～4中任一項(xiàng)所述的步驟1～7求解。