[发明专利]一种风控模型训练方法、装置及设备

权利要求书

1.一种风控模型训练方法，包括：

获取训练样本的集合，其中，所述训练样本包括用户注册记录、用户交易记录、用户转账/收款记录或者用户营销记录，所述训练样本为已经标注的黑样本或者白样本；

利用以下步骤进行迭代处理，直到待训练的风控模型对训练样本的分类指标满足预设需求：

采用交叉验证模型对训练样本进行评估，确定交叉验证模型对每个训练样本的风险评分，其中，交叉验证模型中包含与所述待训练的风控模型相关的其它已训练风险识别模型，和，迭代过程中的当前待训练的风控模型；训练样本的风险评分越高，表征该训练样本是黑样本的概率越大，所述其它已训练风险识别模型与所述待训练模型的分类标签相同，所使用的分类特征至少部分相同；

滤除具有高风险评分的白样本和具有低风险评分的黑样本，得到新的训练样本集合；

迭代结束后，将当前的待训练的风控模型确定为可用风控模型。

2.如权利要求1所述的方法，所述训练样本为已经标注的黑样本或者白样本，包括：

使用初始的待训练的风控模型对未标注的训练样本的集合进行分类，得到标注的黑样本或者白样本。

3.如权利要求1所述的方法，采用交叉验证模型对训练样本进行评估，确定交叉验证模型对每个训练样本的风险评分，包括：

针对任一训练样本，分别获取每个模型对该训练样本的风险评分，并进行加权，生成交叉验证模型对该训练样本的加权风险评分。

4.如权利要求3所述的方法，所述方法还包括：

若存在任一其它已训练风险识别模型的风险评分高于黑样本评分阈值，以该风险评分作为多个其它已训练风险识别模型对该训练样本的风险评分。

5.如权利要求1所述的方法，在迭代结束后，还包括：

将当前新的训练样本的集合中的训练样本确定为目标可用样本，以用于另外的风控模型的训练，其中，所述目标可用样本的标签为训练生成所述可用目标模型时所使用的标签。

6.一种风控模型训练装置，包括：

获取模块，获取训练样本的集合，其中，所述训练样本包括用户注册记录、用户交易记录、用户转账/收款记录或者用户营销记录，所述训练样本为已经标注的黑样本或者白样本；

迭代模块，利用以下步骤进行迭代处理，直到待训练的风控模型对训练样本的分类指标满足预设需求，所述迭代模块包括，

评估子模块，采用交叉验证模型对训练样本进行评估，确定交叉验证模型对每个训练样本的风险评分，其中，交叉验证模型中包含与所述待训练的风控模型相关的其它已训练风险识别模型，和，迭代过程中的当前待训练的风控模型；训练样本的风险评分越高，表征该训练样本是黑样本的概率越大，所述其它已训练风险识别模型与所述待训练模型的分类标签相同，训练中所使用的分类特征至少部分相同；

样本滤除子模块，滤除具有高风险评分的白样本和具有低风险评分的黑样本，得到新的训练样本集合；

重新训练子模块，使用所述新的训练样本集合，更新待训练的风控模型，对所述新的训练样本集合进行分类，重新确定新的训练样本集合中的训练样本的标签，确定更新后的待训练的风控模型对于所述新的训练样本集合的分类指标；

确定模块，迭代结束后，将当前的待训练的风控模型确定为可用风控模型。

7.如权利要求6所述的装置，还包括初始分类模块，使用初始的待训练的风控模型对未标注的训练样本的集合进行分类，得到标注的黑样本或者白样本。

8.如权利要求6所述的装置，所述评估子模块，针对任一训练样本，分别获取每个模型对该训练样本的风险评分，并进行加权，生成交叉验证模型对该训练样本的加权风险评分。

9.如权利要求8所述的装置，所述评估子模块，若存在任一其它已训练风险识别模型的风险评分高于黑样本评分阈值，以该风险评分作为多个其它已训练风险识别模型对该训练样本的风险评分。