[发明专利]银行客户数据处理方法及装置

权利要求书

1.一种银行客户数据处理方法，其特征在于，包括：

获得银行客户数据，所述银行客户数据包括：个人数据，交易数据，资产负债数据其中之一或任意组合；

根据所述银行客户数据和预先建立的分类模型，对银行客户数据进行分类，其中，所述分类模型根据多个训练好的机器学习模型以及设定的每个训练好的机器学习模型对应的权重值预先建立，所述每个训练好的机器学习模型对应的权重值利用遗传算法进行设定，所述每个机器学习模型根据银行客户历史数据进行训练。

2.如权利要求1所述的银行客户数据处理方法，其特征在于，所述每个训练好的机器学习模型对应的权重值按如下方式进行设定：

初始化所述每个训练好的机器学习模型对应的权重值；

利用遗传算法对所述每个训练好的机器学习模型对应的权重值进行多次迭代更新，其中，对于每次迭代更新，在该次迭代更新后获取第一预设数量的子代数据，根据所述第一预设数量的子代数据对所述权重值进行下一次迭代更新。

3.如权利要求2所述的银行客户数据处理方法，其特征在于，对于每次迭代更新，在该次迭代更新后获取第一预设数量的子代数据，根据所述第一预设数量的子代数据对所述权重值进行下一次迭代更新，包括：

对于每次迭代更新，在该次迭代更新后获取种群中第一预设数量的子代数据；

对所述第一预设数量的子代数据进行交叉处理，得到第二预设数量的子代数据；

利用所述第二预设数量的子代数据替换下一代种群中第二预设数量的子代数据；

根据替换后的下一代种群中的子代数据，对所述权重值进行下一次迭代更新。

4.如权利要求1所述的银行客户数据处理方法，其特征在于，所述多个训练好的机器学习模型包括：xgboost机器学习模型，lightgbm机器学习模型和神经网络模型。

5.如权利要求1所述的银行客户数据处理方法，其特征在于，还包括：获得银行客户数据之后，利用三倍标准差探测算法对所述银行客户数据进行清洗处理，利用均值填充算法对清洗处理后的银行客户数据进行空缺填充处理，对空缺填充处理后的银行客户数据进行数据向量化处理；

根据所述银行客户数据和预先建立的分类模型，对银行客户数据进行分类，包括：根据数据向量化处理后的银行客户数据和预先建立的分类模型，对银行客户数据进行分类。

6.一种银行客户数据处理装置，其特征在于，包括：

数据获得模块，用于获得银行客户数据，所述银行客户数据包括：个人数据，交易数据，资产负债数据其中之一或任意组合；

数据分类模块，用于根据所述银行客户数据和预先建立的分类模型，对银行客户数据进行分类，其中，所述分类模型根据多个训练好的机器学习模型以及设定的每个训练好的机器学习模型对应的权重值预先建立，所述每个训练好的机器学习模型对应的权重值利用遗传算法进行设定，所述每个机器学习模型根据银行客户历史数据进行训练。

7.如权利要求6所述的银行客户数据处理装置，其特征在于，所述数据分类模块进一步用于：

初始化所述每个训练好的机器学习模型对应的权重值；

利用遗传算法对所述每个训练好的机器学习模型对应的权重值进行多次迭代更新，其中，对于每次迭代更新，在该次迭代更新后获取第一预设数量的子代数据，根据所述第一预设数量的子代数据对所述权重值进行下一次迭代更新。

8.如权利要求7所述的银行客户数据处理装置，其特征在于，所述数据分类模块进一步用于：

对于每次迭代更新，在该次迭代更新后获取种群中第一预设数量的子代数据；

对所述第一预设数量的子代数据进行交叉处理，得到第二预设数量的子代数据；

利用所述第二预设数量的子代数据替换下一代种群中第二预设数量的子代数据；

根据替换后的下一代种群中的子代数据，对所述权重值进行下一次迭代更新。