[发明专利]信用评分模型的监控方法及装置

权利要求书

1.一种信用评分模型的监控方法，其特征在于，所述方法包括：

获取训练数据，并将所述训练数据输入至当前信用评分模型以输出预测的信用信息，其中，所述训练数据包括：实际信用信息；

根据所述预测的信用信息和实际信用信息对当前信用评分模型进行模型性能测试；

响应于模型性能测试结果为模型失效，将训练完成的备用模型替换所述当前信用评分模型，以作为新的当前信用评分模型，所述备用模型在所述当前信用评分模型工作过程中基于预定的基础模型和可更新的数据样本迭代训练而成。

2.根据权利要求1所述的方法，其特征在于，通过如下方式训练所述备用模型：

根据所述当前信用评分模型的类型选择相应的基础模型和预先设置的最优特征数据集；

根据选择的最优特征数据集，并基于XGB算法和预定的目标函数对该基础模型进行训练，以得到所述备用模型。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

根据特征筛选算法从备选特征数据中选择新的特征数据；

将所述新的特征数据输入至所述基础模型进行训练，以判断所述基础模型的性能是否提升；

响应于判断结果为所述基础模型的性能提升，将所述新的特征数据添加至所述最优特征数据集中，否则，去除所述新的特征数据。

4.根据权利要求3所述的方法，其特征在于，根据特征筛选算法从备选特征数据中选择新的特征数据包括：

对所述备选特征数据进行特征质量评估操作，以对所述备选特征数据中的各特征数据进行排序；

根据所述特征筛选算法从排序后的备选特征数据中选择新的特征数据。

5.根据权利要求3所述的方法，其特征在于，所述方法还包括：

响应于所述备选特征数据和最优特征数据集中的可选特征数据均已迭代完成或者迭代训练所述基础模型的时间已到预定时间，将所述基础模型作为训练完成的备用模型输出，并输出对应的最优特征数据集。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

响应于模型性能测试结果为模型有效，将所述当前信用评分模型与训练过程中的备用模型进行模型性能比较操作。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于夏普利值理论对所述训练数据中的多个特征数据与所述预测的信用信息进行关联评估操作。

8.一种信用评分模型的监控装置，其特征在于，所述装置包括：

数据获取单元，用于获取训练数据，其中，所述训练数据包括：实际信用信息；

数据输入单元，用于将所述训练数据输入至当前信用评分模型以输出预测的信用信息；

性能测试单元，用于根据所述预测的信用信息和实际信用信息对当前信用评分模型进行模型性能测试；

替换单元，用于响应于模型性能测试结果为模型失效，将训练完成的备用模型替换所述当前信用评分模型，以作为新的当前信用评分模型，所述备用模型在所述当前信用评分模型工作过程中基于预定的基础模型和可更新的数据样本迭代训练而成。

9.根据权利要求8所述的装置，其特征在于，所述装置还包括：模型训练单元，用于训练所述备用模型，

所述模型训练单元包括：

选择模块，用于根据所述当前信用评分模型的类型选择相应的基础模型和预先设置的最优特征数据集；

模型训练模块，用于根据选择的最优特征数据集，并基于XGB算法和预定的目标函数对该基础模型进行训练，以得到所述备用模型。