[发明专利]基于密度聚类的信贷数据分析方法及相关设备

权利要求书

1.一种基于密度聚类的信贷数据分析方法，其特征在于，包括以下步骤：

获取历史人群特征数据集、信贷反馈数据集及新增信贷人群数据集，将所述历史人群特征数据集进行特征转换，并通过密度函数进行密度聚类，获得密度聚类第一模型；

根据所述密度聚类第一模型在所述新增信贷人群数据集上调整所述密度函数的权重，获得密度聚类第二模型；

将所述信贷反馈数据集输入所述密度聚类第二模型，获得信贷反馈过滤数据集，并根据所述密度聚类第二模型在所述信贷反馈过滤数据集上调整所述密度函数的权重，获得密度聚类第三模型；

通过所述密度聚类第三模型在所述新增信贷人群数据集中获取低风险信贷人群数据集；

所述根据所述密度聚类第一模型在所述新增信贷人群数据集上调整所述密度函数的权重，获得密度聚类第二模型，包括：

将所述新增信贷人群数据集输入所述密度聚类第一模型获得新增信贷人群数据集聚类特征；

根据所述新增信贷人群数据集聚类特征调整所述密度函数的权重，获得密度聚类第二模型；

所述根据所述密度聚类第二模型在所述信贷反馈过滤数据集上调整所述密度函数的权重，获得密度聚类第三模型，包括：

将所述信贷反馈过滤数据集输入所述密度聚类第二模型获得信贷反馈过滤数据集聚类特征；

根据所述信贷反馈过滤数据集聚类特征调整所述密度函数的权重，获得密度聚类第三模型。

2.如权利要求1所述的基于密度聚类的信贷数据分析方法，其特征在于，所述将所述历史人群特征数据集进行特征转换，包括：

将所述历史人群特征数据集中所属同一维度的数据按实值分布分桶，并给所属同一维度的数据分配桶编号；

根据公式：

进行特征转换，其中

，为第i维度的桶编号，为每个维度d的桶数目，为转换规则。

3.如权利要求1所述的基于密度聚类的信贷数据分析方法，其特征在于，所述通过密度函数进行密度聚类，包括：

根据公式：

对所述历史人群特征数据集进行密度聚类，其中，p为混合密度，y为历史人群特征数据集，为参数，K为常量，为密度函数的权重，并满足公式：

，

，其中，为数学期望。

4.如权利要求1所述的基于密度聚类的信贷数据分析方法，其特征在于，所述将所述信贷反馈数据集输入所述密度聚类第二模型，获得信贷反馈过滤数据集，包括：

预设第一密度概率阈值，并将所述信贷反馈数据集输入所述密度聚类第二模型，获得所述信贷反馈数据集中信贷反馈数据的密度概率；

将所述信贷反馈数据的密度概率与所述第一密度概率阈值进行比较，将大于所述第一密度概率阈值的密度概率对应的信贷反馈数据存储为信贷反馈过滤数据集。

5.如权利要求1所述的基于密度聚类的信贷数据分析方法，其特征在于，所述通过所述密度聚类第三模型在所述新增信贷人群数据集中获取低风险信贷人群数据集，包括：

预设第二密度概率阈值，并将所述新增信贷人群数据集输入所述密度聚类第三模型，获得所述新增信贷人群数据集中新增信贷人群数据的密度概率；

将所述新增信贷人群数据的密度概率与所述第二密度概率阈值进行比较，将大于所述第二密度概率阈值的密度概率对应的新增信贷人群数据存储为低风险信贷人群数据集。