[发明专利]风控决策方法及装置在审
| 申请号： | 202010955471.3 | 申请日： | 2020-09-11 |
| 公开（公告）号： | CN112258309A | 公开（公告）日： | 2021-01-22 |
| 发明（设计）人： | 周晔;穆海洁;姜靖宇;白翰茹 | 申请（专利权）人： | 上海汇付数据服务有限公司 |
| 主分类号： | G06Q40/02 | 分类号： | G06Q40/02 |
| 代理公司： | 北京德恒律治知识产权代理有限公司 11409 | 代理人： | 章社杲;卢军峰 |
| 地址： | 200233 上海*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 决策 方法 装置 | ||
1.一种风控决策方法，其特征在于，包括：
对所述特征进行特征处理，所述特征处理生成高阶特征，使用GBDT对所述高阶特征进行训练得到一个二分类器，并对所述高阶特征进行预测，根据预测概率值构造新的特征；
使用决策树对所述特征进行单变量分箱；
将GBDT构造的所述特征与所述决策树分箱后的特征带入逻辑回归模型进行训练，得到风险评分；
使用分布式流数据流引擎Flink将交易数据加工成实时特征，将所述实时特征带入决策树模型生成高风险规则；
根据所述风险评分和所述高风险规则生成风控决策矩阵，以识别交易商户的风险等级。
2.根据权利要求1所述的风控决策方法，其特征在于，其中，所述特征处理包括：缺失值填充、空值处理、异常值处理和特征重要性筛选。
3.根据权利要求1所述的风控决策方法，其特征在于，根据预测概率值构造原始特征包括：
将模型中的每棵树计算得到的所述预测概率值所属的叶子结点位置记为1，构造所述新的特征。
4.根据权利要求1所述的风控决策方法，其特征在于，还包括：
将样本分成训练集和测试集；
其中，使用所述GBDT对所述训练集中的样本进行训练，对所述测试集中的样本进行所述预测。
5.一种风控决策装置，其特征在于，包括：
特征模块，对所述特征进行特征处理，所述特征处理生成高阶特征，使用GBDT对所述高阶特征进行训练得到一个二分类器，并对所述高阶特征进行预测，根据预测概率值构造新的特征；
分箱模块，用于使用决策树对所述特征进行单变量分箱；
模型训练模块，用于将GBDT构造的所述特征与所述决策树分箱后的特征带入逻辑回归模型进行训练，得到风险评分；
实时特征模块，使用分布式流数据流引擎Flink将交易数据加工成实时特征，将所述实时特征带入决策树模型生成高风险规则；
风控策略模块，用于根据所述风险评分和所述高风险规则生成风控决策矩阵，以识别交易商户的风险等级。
6.根据权利要求5所述的风控决策装置，其特征在于，所述特征处理包括：缺失值填充、空值处理、异常值处理和特征重要性筛选。
7.根据权利要求5所述的风控决策装置，其特征在于，所述特征模块用于：
将模型中的每棵树计算得到的所述预测概率值所属的叶子结点位置记为1，构造所述新的特征。
8.根据权利要求5所述的风控决策装置，其特征在于，所述特征模块还用于：
将样本分成训练集和测试集；
其中，使用所述GBDT对所述训练集中的样本进行训练，对所述测试集中的样本进行所述预测。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海汇付数据服务有限公司，未经上海汇付数据服务有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202010955471.3/1.html，转载请声明来源钻瓜专利网。
- 上一篇：消息通知方法以及系统
- 下一篇：一种金属钒的制备方法及装置
