[发明专利]一种智能建模的模型输出方法、设备及存储介质

说明书

本申请提供一种智能建模的模型输出方法、设备及存储介质，预先建立用于作为模型训练输入因子的模型因子库；获取历史数据，对历史数据按预先设置的建模流程进行训练，得到模型训练结果；若检测接收到查勘任务流，则将模型因子库中被选中的模型因子、查勘任务流对应的案件数据作为模型训练结果的输入进行函数运算后，得到与查勘任务流对应的评分结果。本申请中部署了由SMP标准建模流程所训练得到的模型训练结果，当模型因子库因子、查勘任务流被模型部署平台接收时，直接由模型训练结果进行案件风险评分，而且已经部署在模型部署平台中的函数可以随时优化迭代。

技术领域

本申请涉及数据处理技术领域，尤其涉及一种智能建模的模型输出方法、设备及存储介质。

背景技术

目前，财产保险行业中在建模时，缺乏一套标准化的智能建模实时部署系统，市面上的产品往往只单独具备ETL（Extract-Transform-Load，即数据仓库技术，用来描述将数据从来源端经过抽取、转换、加载至目的端的过程）、训练模型中的某类功能，不能覆盖全流程。现有技术中的建模存在以下问题：外采使用场景受限（也就是不接地气）、外采成本高、耗时长、数据源单一、不开源、支持算法少、效能衰减大、IT依赖度高、灵活性低、模型上线慢、维护成本高、交接不全、IT排期困难、无法统一建模流程、建模人员易流失、无法快速更新迭代、且不成体系。

因此，现有技术还有待于改进和发展。

发明内容

鉴于上述现有技术的不足之处，本申请的目的在于提供一种智能建模的模型输出方法、设备及存储介质，旨在解决现有技术中无法统一建模流程、无法快速更新迭代、且不成体系的问题。

为了达到上述目的，本申请采取了以下技术方案：

一种智能建模的模型输出方法，其中，所述方法包括以下步骤：

预先建立用于作为模型训练输入因子的模型因子库；

获取历史数据，对历史数据按预先设置的建模流程进行训练，得到模型训练结果；其中，预先设置的建模流程包括宽表搭建、数据探索、显著性分析、变量分箱、相关性分析、模型训练、模型测试、模型效果评价、及模型监控；

若检测接收到查勘任务流，则将模型因子库中被选中的模型因子、查勘任务流对应的案件数据作为模型训练结果的输入进行函数运算后，得到与查勘任务流对应的评分结果。

所述智能建模的模型输出方法，其中，所述获取历史数据，对历史数据按预先设置的建模流程进行训练，得到模型训练结果的步骤，包括：

将历史数据进行宽表搭建，得到第一处理数据；

将第一处理数据进行数据探索，得到第二处理数据；

将第二处理数据进行显著性分析，得到第三处理数据；

将第三处理数据进行变量分箱，得到第四处理数据；

将第四处理数据进行相关性分析，得到第五处理数据；

将第五处理数据进行模型训练，得到第六处理数据；

将第六处理数据进行模型测试，得到第七处理数据；

将第七处理数据进行模型效果评价，得到第八处理数据；

将第八处理数据进行模型监控，得到模型训练结果。

所述智能建模的模型输出方法，其中，所述将第八处理数据进行模型监控，得到模型训练结果的步骤之后，还包括：

将所述模型训练结果发送至模型部署平台进行存储。