[发明专利]一种评分卡的融合方法、装置、计算机设备及存储介质

权利要求书

1.一种评分卡的融合方法，其特征在于，所述方法包括：

获取专家评分卡和机器学习评分卡，其中，所述专家评分卡使用的特征变量和所述机器学习评分卡所使用的特征变量不同；

对所述专家评分卡与所述机器学习评分卡在多个权重组合上分别进行融合，得到多个融合评分卡；

使用验证样本对多个所述融合评分卡进行验证，筛选出最优的融合评分卡；

其中，每个所述权重组合包括所述专家评分卡对应的第一权重以及所述机器学习评分卡对应的第二权重；

在最优的所述融合评分卡部署上线后，若监测到群体稳定性指标超过预设阈值，则确定所述融合评分卡中的变化量最大的特征变量；

根据变化量最大的所述特征变量对最优的所述融合评分卡中的第一权重的数值和第二权重的数值进行调整。

2.根据权利要求1所述的方法，其特征在于，所述获取专家评分卡和机器学习评分卡，包括：

构建训练样本集和特征变量库，所述训练样本集包括正样本和负样本；

根据专家经验法从所述特征变量库中筛选多个特征变量以创建专家评分卡；

从所述特征变量库中剔除筛选出的所有所述特征变量，得到剩余特征变量；

根据所述剩余特征变量在所述训练样本集上进行机器学习，以创建机器学习评分卡。

3.根据权利要求2所述的方法，其特征在于，从所述特征变量库中剔除筛选出的所有所述特征变量，得到剩余特征变量步骤之后，所述方法还包括：

对筛选出的所有所述特征变量与每一个所述剩余特征变量进行相关性检验；

根据相关性检验结果，在所述剩余特征变量中剔除与筛选出的所述特征变量相关的特征变量，以形成用于构建机器学习评分卡的特征变量集；

所述根据所述剩余特征变量在所述训练样本集上进行机器学习，以创建机器学习评分卡，包括：

根据所述特征变量集在所述训练样本集上进行机器学习，构建得到机器学习评分卡。

4.根据权利要求1至3任一所述的方法，其特征在于，多个所述权重组合中的所述第一权重的数值以预定步长依次递减，所述第二权重的数值以预定步长依次递增，且同一个权重组合中的所述第一权重的数值和所述第二权重的数值之和为1。

5.根据权利要求4所述的方法，其特征在于，所述使用验证样本对多个所述融合评分卡进行验证，筛选出最优的融合评分卡，包括：

将所述验证样本的特征变量分别输入到多个所述融合评分卡中，以计算每个所述融合评分卡对应的预设指标，其中，所述预设指标包括KS值、Gini系数值以及AUC值中的至少一个；

根据每个所述融合评分卡对应的预设指标，从多个所述融合评分卡中筛选出最优的融合评分卡。

6.一种评分卡的融合装置，其特征在于，所述装置包括：

获取模块，用于获取专家评分卡和机器学习评分卡，其中，所述专家评分卡使用的特征变量和所述机器学习评分卡所使用的特征变量不同；

融合模块，用于对所述专家评分卡与所述机器学习评分卡在多个权重组合上分别进行融合，得到多个融合评分卡；

验证模块，用于使用验证样本对多个所述融合评分卡进行验证，筛选出最优的融合评分卡；

其中，每个所述权重组合包括所述专家评分卡对应的第一权重以及所述机器学习评分卡对应的第二权重；

所述融合装置还包括调整模块，所述调整模块用于：在最优的所述融合评分卡部署上线后，若监测到群体稳定性指标超过预设阈值，则确定所述融合评分卡中的变化量最大的特征变量；

根据变化量最大的所述特征变量对最优的所述融合评分卡中的第一权重的数值和第二权重的数值进行调整。

7.根据权利要求6所述的装置，其特征在于，所述获取模块包括：

构建子模块，用于构建训练样本集和特征变量库，所述训练样本集包括正样本和负样本；

第一创建子模块，用于根据专家经验法从所述特征变量库中筛选多个特征变量以创建专家评分卡；

第二创建子模块，用于从所述特征变量库中剔除筛选出的所有所述特征变量，得到剩余特征变量，根据所述剩余特征变量在所述训练样本集上进行机器学习，以创建机器学习评分卡。