[发明专利]模拟神经网络的评分卡配置方法、装置、设备及存储介质

说明书

本发明实施例公开了一种模拟神经网络的评分卡配置方法、装置、设备及存储介质。该方法包括：获取预设数据库中的原始数据；基于原始数据构建第一层特征变量并基于第一层特征变量得到第一层三维特征向量；根据第一子模型对第一层三维特征向量进行第一次矩阵变换得到第一层特征向量矩阵；根据第二子模型对第一层特征向量矩阵进行第二次矩阵变换得到第二层特征向量矩阵；根据第二层特征向量矩阵变换模型输出筛选得到入模向量，并基于入模向量进行评分卡的配置。该方法最后得到的特征向量效果比原始的特征向量效果更好，其开发得到的评分卡模型显著提高了查得率，其特征好坏分度高，经过测试具有跟神经网络几何变换一样的良好效果。

技术领域

本发明属于大数据领域，尤其涉及一种模拟神经网络的评分卡配置方法、装置、设备及存储介质。

背景技术

传统评分卡构造特征变量主要是基于原始数据构造特征向量。特征向量的查得率决定了评分卡有效性，当特征变量查得率过低的时候客户的分数都集中在一个范围内，失去了评分卡的意义。特征查得率成为严重制约评分卡效果的重要因素，当前特征查得率过低唯一的解决办法只有重新使用新的特征开发新的评分卡，但是频繁开发评分卡会导致成本增加。

发明内容

有鉴于此，本发明提供了一种模拟神经网络的评分卡配置方法，能够提高特征查得率。

为解决上述技术问题，本发明采用以下技术方案：

第一方面，本发明提供了一种模拟神经网络的评分卡配置方法，该方法包括：

获取预设数据库中的原始数据；

基于所述原始数据构建第一层特征变量并基于所述第一层特征变量得到第一层三维特征向量；

根据第一子模型对所述第一层三维特征向量进行第一次矩阵变换得到第一层特征向量矩阵；

根据第二子模型对所述第一层特征向量矩阵进行第二次矩阵变换得到第二层特征向量矩阵；

根据所述第二层特征向量矩阵变换模型输出筛选得到入模向量，并基于所述入模向量进行评分卡的配置。

第二方面，本发明提供了一种模拟神经网络的评分卡配置装置，包括：

原始数据获取模块，用于自数据库中获取原始数据；

矩阵构建模块，用于基于所述原始数据构建第一层特征变量并基于所述第一层特征变量得到第一层三维特征向量；

第一变换模块，用于根据第一子模型对所述第一层三维特征向量进行第一次矩阵变换得到第一层特征向量矩阵；

第二变换模块，用于根据第二子模型对所述第一层特征向量矩阵进行第二次矩阵变换得到第二层特征向量矩阵；

评分卡配置模块，用于根据所述第二层特征向量矩阵变换模型输出筛选得到入模向量，并基于所述入模向量进行评分卡的配置。

第三方面，本发明提供了一种模拟神经网络的评分卡配置设备，包括存储器和处理器，所述存储器上存储有可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如前述的模拟神经网络的评分卡配置方法。

第四方面，本发明提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被执行时实现前述的模拟神经网络的评分卡配置方法。

同现有技术相比，本发明提供的模拟神经网络的评分卡配置方法，有益效果在于：最后得到的特征向量效果比原始的特征向量效果更好，其开发得到的评分卡模型显著提高了查得率，其特征好坏分度高，经过测试具有跟神经网络几何变换一样的良好效果。

附图说明