[发明专利]一种基于逻辑回归的OFFSET方法

权利要求书

1.一种基于逻辑回归的OFFSET方法，其特征在于包括如下步骤：

步骤1、确认影响客户的违约因素，包括运营商数据、消费行为数据、借贷申请信息、终端设备信息、活跃地理位置信息和信用评分等；

步骤2、相关数据的采集、转化、量化和衍生；

步骤3、构建模型进行迭代及运算；

步骤4、效果验证；

步骤1所述的影响客户违约因素的确认，具体实现如下：

所述的运营商数据包括申请客户的通话详单、短信详单和充值记录；

所述的消费行为数据主要指线上消费数据，包括了每个月购物类消费金额、消费的商品种类；通过线上消费数据提取出反映客户的收入水平、消费习惯的特征；

所述的借贷申请信息是指客户在其它借贷平台的申请信息，目前在多个平台申请笔数、历史借贷情况；

所述的终端设备信息包括设备类型、app列表、各类app活跃度；

所述的客户的各类信用评分，包括线上线下消费分期、芝麻信用分、融资租赁信用情况；

步骤2所述的相关数据的采集、转化、量化和衍生，是指在步骤1中确立可能影响客户违约的各个维度后，将相应数据进行转化和量化，并衍生加工生成所需的变量。

2.根据权利要求1所述的一种基于逻辑回归的OFFSET方法，其特征在于步骤3所述的构建模型进行迭代及运算，具体实现如下：

3.1特征工程包括对特征的异常值和缺失值的处理、数据变换及特征选择；

①剔除交易平台基础特征项异常值的样本，对于部分特征项缺失的情况进行填充；

②对于第三方多头特征项未匹配到的记录，不做任何填充，后续采用的算法本身已考虑空值问题；

③运营商数据提供了相关通话详单、短信详单和充值记录，用户在不同时间段的通话情况、短信互通情况，在不同时间段的通话频率、短信互通频率；围绕通话时长，通话时间，主被叫情况，生成新的衍生变量；围绕短信数量、接收发送情况生成新的衍生变量；同时根据充值方式、金额以及频率生成新的衍生变量，从而获得衍生特征；

3.2构建模型

3.2.1模型训练说明：

1.基于原始特征和特征工程步骤生成的衍生特征，采用多种特征组合构建多个模型，通过多个评估指标最终选择最优模型；

2.将所有样本的65％作为模型的训练集，用于模型训练；将剩余的35％作为模型的测试集，用于评估模型的训练结果；

3.模型训练分三个阶段；

阶段一：利用逻辑回归模型对样本进行训练，使用训练集全量样本，即包括C1，但不包含用户群C1系统性缺失的特征X1；

阶段二：获取每个样本的回归模型分数值；

阶段三：以阶段二的模型分数值为offset项，基于含特征X1除C1外的用户样本，使用offset方法来进一步优化模型效果；

此三阶段充分考虑了特征X1缺失的用户群C1以及特征X1未缺失的用户群所包含的信息；

3.2.2 offset算法

offset方法源于泊松回归模型的应用，在泊松回归中，“曝光量”可被视为偏移量放在等式右边，即offset项；

log(E(Y|x))＝log(exp osure)+θ′x

其中，E(Y|x)表示各解释变量x固定时被解释变量Y的平均值；exposure表示偏移量；θ'表示待估计的参数，为向量形式；x表示各解释变量，为向量形式；

将上式左右两边同时减去log(exposure),即得到下列式子：

其中，E(Y|x)表示各解释变量x固定时被解释变量Y的平均值；exposure表示偏移量；θ'表示待估计的参数，为向量形式；x表示各解释变量，为向量形式；

在实际应用中，可用offset()来指定表示“exposure”的变量，代码如下:

glm(y～offset(log(exposure))+x,family＝poisson(li nk＝log))

logistic回归是一种广义线性回归，即y＝w^Tx+b，其中w和b是待求参数，逻辑回归基础公式如下：

其中，y表示被解释变量；w表示待估计的偏回归系数；b为待估计的常数项系数；

上述公式经变换后，得到：

再结合offset方法，Logistic回归模型最终变为：

其中，w₀表示offset变量；λ为相应的系数，取值为1；

在运行逻辑回归模型时，用offset()来指定表示“exposure”的变量，此时代码如下:

glm(y～offset(logit(exposure))+x,family＝binomial(link＝“logit”))

exposure即基于全量样本除缺失特征X1外的信息得出的模型结果，而特征X1未缺失的用户样本在exposure基础上能够提升模型效果。