本申請涉及大數(shù)據(jù)機器學(xué)習(xí)模型算法，尤其涉及一種用于評分卡預(yù)測模型的分?jǐn)?shù)校準(zhǔn)方法和裝置。

背景技術(shù)：

1、評分卡預(yù)測模型是一種用于預(yù)測用戶行為結(jié)果的機器學(xué)習(xí)模型，目標(biāo)是在信貸逾期、成交意愿、信用資質(zhì)等一些用戶行為狀態(tài)發(fā)生之前識別出可能導(dǎo)致的因素。作為評分卡預(yù)測模型的主用模型和備用模型，如果外部數(shù)據(jù)停止提供服務(wù)，主用模型就可以切換到備用模型上。因此，如何能在主用模型和備用模型切換時，下游業(yè)務(wù)調(diào)用無感知是目前亟需解決的技術(shù)問題。

技術(shù)實現(xiàn)思路

1、針對現(xiàn)有的評分卡預(yù)測模型的主用模型和備用模型切換存在的上述問題，本申請?zhí)峁┝艘环N用于評分卡預(yù)測模型的分?jǐn)?shù)校準(zhǔn)方法和裝置。

2、第一方面，本申請?zhí)峁┝艘环N用于評分卡預(yù)測模型的分?jǐn)?shù)校準(zhǔn)方法，所述方法包括：

3、利用第一用戶多維數(shù)據(jù)和行為預(yù)測結(jié)果訓(xùn)練分類器；

4、利用所述分類器對第二用戶多維數(shù)據(jù)進行預(yù)測，得到預(yù)測結(jié)果；

5、根據(jù)所述預(yù)測結(jié)果，得到所述主用評分卡預(yù)測模型和所述備用評分卡預(yù)測模型之間的校準(zhǔn)概率值。

6、進一步地，所述利用用戶多維數(shù)據(jù)和行為預(yù)測結(jié)果訓(xùn)練分類器，具體包括：

7、利用所述第一用戶多維數(shù)據(jù)和第一行為預(yù)測結(jié)果訓(xùn)練第一分類器，所述第一行為預(yù)測結(jié)果是將所述第一用戶多維數(shù)據(jù)輸入所述主用評分卡預(yù)測模型得到的；

8、利用所述第一用戶多維數(shù)據(jù)和第二行為預(yù)測結(jié)果訓(xùn)練第二分類器，所述第二行為預(yù)測結(jié)果是將所述第一用戶多維數(shù)據(jù)輸入所述備用評分卡預(yù)測模型得到的。

9、進一步地，所述利用所述分類器對所述用戶多維數(shù)據(jù)進行預(yù)測，得到預(yù)測結(jié)果，具體包括：

10、利用所述第一分類器對所述第二用戶多維數(shù)據(jù)進行預(yù)測，得到第一預(yù)測結(jié)果；

11、利用所述第二分類器對所述第二用戶多維數(shù)據(jù)進行預(yù)測，得到第二預(yù)測結(jié)果。

12、進一步地，所述根據(jù)所述預(yù)測結(jié)果，得到所述主用評分卡預(yù)測模型和所述備用評分卡預(yù)測模型之間的校準(zhǔn)概率值，具體包括：

13、利用所述第一預(yù)測結(jié)果訓(xùn)練第一轉(zhuǎn)換器；

14、利用所述第二預(yù)測結(jié)果訓(xùn)練第二轉(zhuǎn)換器；

15、將所述第三用戶多維數(shù)據(jù)輸入所述第一轉(zhuǎn)換器，得到第一結(jié)果；

16、將所述第三用戶多維數(shù)據(jù)輸入所述第二轉(zhuǎn)換器，得到第二結(jié)果；

17、根據(jù)所述第一結(jié)果、所述第二結(jié)果和變換函數(shù)，得到所述主用評分卡預(yù)測模型和所述備用評分卡預(yù)測模型之間的校準(zhǔn)概率值。

18、進一步地，所述根據(jù)所述第一結(jié)果、所述第二結(jié)果和變換函數(shù)，得到所述主用評分卡預(yù)測模型和所述備用評分卡預(yù)測模型之間的校準(zhǔn)概率值，具體包括：

19、將所述第一結(jié)果和所述第二結(jié)果輸入所述變換函數(shù)，得到所述主用評分卡預(yù)測模型和所述備用評分卡預(yù)測模型之間的校準(zhǔn)概率值。

20、進一步地，所述根據(jù)所述預(yù)測結(jié)果，得到所述主用評分卡預(yù)測模型和所述備用評分卡預(yù)測模型之間的校準(zhǔn)概率值，具體包括：

21、將所述第一預(yù)測結(jié)果和所述第二預(yù)測結(jié)果進行策略分布；

22、根據(jù)策略分布的結(jié)果，確定所述主用評分卡預(yù)測模型的線性變換系數(shù)和所述備用模型的線性變換系數(shù)；

23、根據(jù)所述主用評分卡預(yù)測模型的線性變換系數(shù)和所述備用模型的線性變換系數(shù)，得到所述主用評分卡預(yù)測模型和所述備用評分卡預(yù)測模型之間的校準(zhǔn)概率值。

24、進一步地，所述根據(jù)策略分布的結(jié)果，確定所述主用評分卡預(yù)測模型的線性變換系數(shù)和所述備用模型的線性變換系數(shù)，具體包括：

25、所述策略分布的結(jié)果中同一策略項的數(shù)值相同時，獲取所述主用評分卡預(yù)測模型的決策閾值和所述備用模型的決策閾值；

26、根據(jù)所述主用評分卡預(yù)測模型的決策閾值和所述備用模型的決策閾值，得到所述主用評分卡預(yù)測模型的線性變換系數(shù)和所述備用模型的線性變換系數(shù)。

27、第二方面，本申請還提供了一種用于評分卡預(yù)測模型的分?jǐn)?shù)校準(zhǔn)裝置，所述裝置包括：

28、第一處理模塊，用于利用第一用戶多維數(shù)據(jù)和行為預(yù)測結(jié)果訓(xùn)練分類器；

29、第二處理模塊，用于利用所述分類器對第二用戶多維數(shù)據(jù)進行預(yù)測，得到預(yù)測結(jié)果；

30、第三處理模塊，用于根據(jù)所述預(yù)測結(jié)果，得到所述主用評分卡預(yù)測模型和所述備用評分卡預(yù)測模型之間的校準(zhǔn)概率值。

31、第三方面，本申請還提供了一種計算機設(shè)備，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)第一方面中任一項所述的用于評分卡預(yù)測模型的分?jǐn)?shù)校準(zhǔn)方法。

32、第四方面，本申請還提供一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)第一方面中任一項所述的用于評分卡預(yù)測模型的分?jǐn)?shù)校準(zhǔn)方法。

33、本申請?zhí)峁┑囊环N用于評分卡預(yù)測模型的分?jǐn)?shù)校準(zhǔn)方法，包括利用第一用戶多維數(shù)據(jù)和行為預(yù)測結(jié)果訓(xùn)練分類器；利用所述分類器對第二用戶多維數(shù)據(jù)進行預(yù)測，得到預(yù)測結(jié)果；根據(jù)所述預(yù)測結(jié)果，得到所述主用評分卡預(yù)測模型和所述備用評分卡預(yù)測模型之間的校準(zhǔn)概率值。本發(fā)明實現(xiàn)了作為評分卡預(yù)測模型的主用模型和備用模型，如果外部數(shù)據(jù)停止提供服務(wù)，主用模型就可以切換到備用模型上，主用模型和備用模型的分?jǐn)?shù)校準(zhǔn)一個尺度，下游業(yè)務(wù)調(diào)用無感知。

技術(shù)特征：

1.一種用于評分卡預(yù)測模型的分?jǐn)?shù)校準(zhǔn)方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述利用用戶多維數(shù)據(jù)和行為預(yù)測結(jié)果訓(xùn)練分類器，具體包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述利用所述分類器對所述用戶多維數(shù)據(jù)進行預(yù)測，得到預(yù)測結(jié)果，具體包括：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)所述預(yù)測結(jié)果、轉(zhuǎn)換器和變換函數(shù)，得到所述主用評分卡預(yù)測模型和所述備用評分卡預(yù)測模型之間的校準(zhǔn)概率值，具體包括：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述根據(jù)所述第一結(jié)果、所述第二結(jié)果和變換函數(shù)，得到所述主用評分卡預(yù)測模型和所述備用評分卡預(yù)測模型之間的校準(zhǔn)概率值，具體包括：

6.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)所述預(yù)測結(jié)果，得到所述主用評分卡預(yù)測模型和所述備用評分卡預(yù)測模型之間的校準(zhǔn)概率值，具體包括：

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述根據(jù)策略分布的結(jié)果，確定所述主用評分卡預(yù)測模型的線性變換系數(shù)和所述備用模型的線性變換系數(shù)，具體包括：

8.一種用于評分卡預(yù)測模型的分?jǐn)?shù)校準(zhǔn)裝置，其特征在于，所述裝置包括：

9.一種計算機設(shè)備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)權(quán)利要求1至7中任一項所述的用于評分卡預(yù)測模型的分?jǐn)?shù)校準(zhǔn)方法。

10.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1至7中任一項所述的用于評分卡預(yù)測模型的分?jǐn)?shù)校準(zhǔn)方法。

技術(shù)總結(jié)
本申請涉及一種用于評分卡預(yù)測模型的分?jǐn)?shù)校準(zhǔn)方法，包括利用第一用戶多維數(shù)據(jù)和行為預(yù)測結(jié)果訓(xùn)練分類器；利用所述分類器對第二用戶多維數(shù)據(jù)進行預(yù)測，得到預(yù)測結(jié)果；根據(jù)所述預(yù)測結(jié)果，得到所述主用評分卡預(yù)測模型和所述備用評分卡預(yù)測模型之間的校準(zhǔn)概率值。本發(fā)明實現(xiàn)了作為評分卡預(yù)測模型的主用模型和備用模型，如果外部數(shù)據(jù)停止提供服務(wù)，主用模型就可以切換到備用模型上，主用模型和備用模型的分?jǐn)?shù)校準(zhǔn)一個尺度，下游業(yè)務(wù)調(diào)用無感知。本申請還涉及一種設(shè)備和存儲介質(zhì)。

技術(shù)研發(fā)人員：鄭瑞平,韓笑
受保護的技術(shù)使用者：天創(chuàng)信用服務(wù)有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6