[发明专利]行为数据分类方法、分类模型训练方法及装置

权利要求书

1.一种行为数据分类方法，其特征在于，所述方法包括：

获取目标用户的行为数据，所述行为数据包括多个原始变量的特征值，所述多个原始变量包括所述目标用户的信贷记录、消费记录、投资记录以及理财记录，所述多个原始变量的特征值包括所述多个原始变量的数额和期限；

将所述多个原始变量的特征值输入分类模型，基于所述分类模型中的指定分类器以及所述指定分类器的特征值，获取所述多个原始变量的至少一个衍生变量以及所述至少一个衍生变量的特征值；

在所述分类模型中基于所述多个原始变量的特征值、所述至少一个衍生变量的特征值，得到所述行为数据的类别，所述行为数据的类别包括逾期还款和不会逾期还款；

其中，所述分类模型为基于多个样本用户的多个样本数据以及基于所述多个样本数据的原始变量所得到的衍生变量训练得到的模型，所述指定分类器为所述行为数据符合的分类条件所对应的分类器，所述分类模型中每个分类器的特征值基于第一比值和第二比值获取，所述第一比值是指所述多个样本数据中符合所述分类器对应的分类条件的负样本数据的数量与所述多个样本数据中负样本数据的数量之间的比值，所述第二比值是指所述多个样本数据中符合所述分类器对应的分类条件的正样本数据的数量与所述多个样本数据中正样本数据的数量之间的比值。

2.根据权利要求1所述的方法，其特征在于，所述分类模型的训练过程包括以下步骤：

获取所述多个样本数据，所述多个样本数据包括多个原始变量的多个特征值；

对于所述多个样本数据中的每个样本数据，当所述样本数据符合已训练的多个分类器中的任一分类器对应的分类条件时，将所述分类器对应的类别作为所述样本数据的衍生变量；

将所述分类器的特征值作为所述衍生变量的特征值，得到所述样本数据的至少一个衍生变量的特征值，其中，所述分类器的特征值基于训练所述分类器的正样本数据的数量和负样本数据的数量确定；

基于所述多个样本数据的原始变量的特征值、类别和衍生变量的特征值进行训练，得到所述分类模型。

3.一种分类模型训练方法，其特征在于，所述方法包括：

获取多个样本用户的多个样本数据，所述多个样本用户的多个样本数据包括多个原始变量的特征值和类别，所述多个原始变量包括所述样本用户的信贷记录、消费记录、投资记录以及理财记录，所述多个原始变量的特征值包括所述多个原始变量的数额和期限；

对于所述多个样本数据中的每个样本数据，当所述样本数据符合已训练的多个分类器中的任一分类器对应的分类条件时，将所述分类条件作为所述样本数据的衍生变量；

将所述分类器的特征值作为所述衍生变量的特征值，得到所述样本数据的至少一个衍生变量的特征值，其中，所述分类器的特征值基于第一比值和第二比值获取，所述第一比值是指所述多个样本数据中符合所述分类器对应的分类条件的负样本数据的数量与所述多个样本数据中负样本数据的数量之间的比值，所述第二比值是指所述多个样本数据中符合所述分类器对应的分类条件的正样本数据的数量与所述多个样本数据中正样本数据的数量之间的比值；

基于所述多个样本数据的原始变量的特征值、类别和衍生变量的特征值进行训练，得到分类模型，所述分类模型用于对行为数据进行分类，所述行为数据的类别包括逾期还款和不会逾期还款。

4.根据权利要求3所述的方法，其特征在于，所述对于所述多个样本数据中的每个样本数据，当所述样本数据符合已训练的多个分类器中的任一分类器对应的分类条件时，将所述分类条件作为所述样本数据的衍生变量之前，所述方法还包括：

基于所述多个样本数据进行训练，得到所述多个分类器；

对于所述多个分类器中的每个分类器，计算所述多个样本数据中符合所述分类器的分类条件的负样本数据的数量与所述多个样本数据中负样本数据的数量之间的比值，得到第一比值；

计算所述多个样本数据中符合所述分类器的分类条件的正样本数据的数量与所述多个样本数据中正样本数据的数量之间的比值，得到第二比值；

根据所述第一比值和所述第二比值，获取所述分类器的特征值。