[发明专利]基于人工智能对分期购车用户的再授信评估方法和设备

说明书

本发明内容公开基于人工智能对分期购车用户的再授信评估方法、设备以及存储介质，方法包括：基于多个训练数据训练出第一单个分类器模型、第一串联集成模型以及第一并联集成模型；将多个测试数据分别输入上述多个模型得到每个模型的多个预测值；基于所有预测值采用平均法、投票法计算得到相应平均值集合、投票值集合；基于多个训练数据、多个测试数据，采用层次堆叠法得到堆叠预测值集合；以及采用平均法计算平均值集合、投票值集合、堆叠预测值集合得到最终预测值集合。本发明采用三种模型融合方法：平均法、投票法、层次堆叠法，将单个分类器模型、串行集成模型、并行集成模型分别融合在一起生成铁三角集成模型，大幅提升模型预测能力和稳定性。

技术领域

本发明内容涉及客户再授信评估技术领域，更具体地涉及一种基于人工智能对分期购车用户的再授信评估方法、一种基于人工智能对分期购车用户的再授信评估设备以及一种相应的计算机可读存储介质。

背景技术

银行等传统金融机构对分期购车用户的授信相对较严，额度固定，最高为车价的70％，并且在用户未结清前的再授信较少，额度也较低。

人工智能(Artificial Intelligence，英文缩写为AI)，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。随着大数据和人工智能技术的发展，信用贷款行业开始向技巧型和智能化发展。现有的信用贷款行业运用人工智能的方法，较多为选用机器学习中单一分类器模型，或者单一的集成学习的算法，无法取长补短，发挥机器学习的最优效果。

现有的基于人工智能技术实现对分期购车用户的授信评估技术，选用用户车辆相关信息进行建模时，车辆相关信息的变量如事故信息、车辆维护信息、投保信息等文本类变量，存在缺失和客户不涉及的情况，一般做法是直接舍弃不入模，或做成单条准入规则，但这样大量重要的客户车辆信息并未被模型学习，模型泛化能力会有所缺失。缺少某些必要的用户驾驶信息、用户车辆信息，使得现有的授信评估技术对客户评价不够全面，无法更加优化用户贷款的风险收益比。

发明内容

由于目前市场上的传统的金融机构对分期购车用户的授信相对较严格，而现有的基于人工智能技术实现对分期购车用户的授信评估技术在对用户的车辆相关信息进行评估时未能考虑时间维度和驾龄维度，同时现有的授信评估技术仅采用单一分类器算法或单一集成学习方法来完成评估处理，没有融合各类算法的优点，无法取长补短，从而导致授信评估结果不够客观、准确，无法发挥出人工智能的最优效果。

针对上述问题，本发明内容的第一方面提出了一种基于人工智能对分期购车用户的再授信评估方法，所述方法包括：

A.基于多个训练数据，训练出第一单个分类器模型、第一串行集成模型以及第一并行集成模型；

B.将多个测试数据分别输入所述第一单个分类器模型、所述第一串行集成模型以及所述第一并行集成模型，以相应地得到每一个模型的多个预测值，其中，所述训练数据和所述测试数据分别包括车辆相关信息、用户个人基本信息、用户个人征信信息、用户个人资产负债以及运营商数据；

C.基于所有预测值，分别采用平均法、投票法计算得到相应的平均值集合、投票值集合；

D.基于所述多个训练数据、所述多个测试数据，采用层次堆叠法得到堆叠预测值集合；以及

E.基于所述平均值集合、所述投票值集合以及所述堆叠预测值集合，采用平均法计算得到最终预测值集合。

本发明内容的第二方面提出了一种基于人工智能对分期购车用户的再授信评估设备，所述设备包括：

处理器；以及

存储器，其用于存储指令，当所述指令执行时使得所述处理器执行以下操作：

A.基于多个训练数据，训练出第一单个分类器模型、第一串行集成模型以及第一并行集成模型；