[发明专利]信贷数据样本均衡方法、装置、计算机设备及存储介质

说明书

本发明公开了信贷数据样本均衡方法、装置、计算机设备及存储介质，该方法包括：对不均衡的信贷数据样本集进行切分组合，得到n个包含大样本和小样本的原始样本集；对n个原始样本集分别进行自适应综合过采样处理，得到n个过采样样本集；且过采样样本集与所述原始样本集一一对应；将每一过采样样本集输入至第一卷积神经网络中进行模型训练，并将对应的所述原始样本集输入至第二卷积神经网络中进行模型训练，构建得到对应的样本均衡模型；将n个目标样本集分别输入到n个样本均衡模型中并输出n个欠采样均衡样本集，对n个欠采样均衡样本集进行堆叠汇总得到最终的信贷数据均衡样本集。本发明可以提高最终的信贷数据均衡样本集的稳定性与有效性。

技术领域

本发明涉及数据处理技术领域，特别涉及信贷数据样本均衡方法、装置、计算机设备及存储介质。

背景技术

随着互联网的发展，市场上涌现越来越多的金融信贷产品，如何帮助产品识别客户信用违约风险，成为这些企业格外关注的工作。但信贷产品的违约表现样本往往为不均衡数据，即交易中只有少部分客户会违约，绝大部分客户是正常的。这样的数据直接训练模型会导致模型偏训，从而在测试集上的泛化性不佳，为这类识别工作带来难度。目前，解决样本不均衡的方法主要包括两类：分类器层面，即修改训练算法或对目标函数进行改进；数据层面，即修改各类别的分布。

分类器层面，一般采用的方法是在训练分类器时，分类器将小类样本分错时额外增加分类器一个小类样本分错代价，这个额外的代价可以使得分类器更加“关心”小类样本，如penalized-SVM(惩罚向量机)算法和penalized-LDA(惩罚性分类法)算法。但对于信贷产品来说，这就将模型局限于该种算法，而有些企业的信贷产品建模模型其实基本已经固定，故在很多信贷产品的不均衡样本上该类方法并不适合。

数据层面，一般采用的方法有过采样和欠采样。但简单的过采样，即简单的复制小样本，由于数据单一可能会存在过拟合问题。而随机的欠采样因为只是利用了一部分数据，可能会存在信息减少的问题。目前市面上，常用的方法有SMOTE(Synthetic MinorityOversampling Technique，合成少数类过采样技术)过采样方法和EasyEnsemble(一种不均衡数据分类方法)欠采样方法。SMOTE方法由于对每个少数类样本都生成新样本，因此容易发生生成样本重叠的问题，而EasyEnsemble方法难以选择有效的子集个数和获取优异的样本子集。

随着深度学习的发展，基于其的不均衡样本解决方法目前在图像领域取得很好的成绩，基本上实现的方法都是考虑计算损失时通过给样本加权重来解决，但是缺乏一个均衡数据的结果输出通道。

发明内容

本发明实施例提供了一种信贷数据样本均衡方法、装置、计算机设备及存储介质，旨在提高所得信贷数据均衡样本集的稳定性与有效性。

第一方面，本发明实施例提供了一种信贷数据样本均衡方法，包括：

对不均衡的信贷数据样本集进行切分组合，得到n个包含大样本和小样本的原始样本集；其中，各所述原始样本集中大样本的数量相同且小样本的数量相同；

对n个所述原始样本集分别进行自适应综合过采样处理，得到n个过采样样本集；且所述过采样样本集与所述原始样本集一一对应；

将每一所述过采样样本集输入至第一卷积神经网络中进行模型训练，并将对应的所述原始样本集输入至第二卷积神经网络中进行模型训练，构建得到对应的样本均衡模型；其中，所述样本均衡模型的数量为n个，每一所述样本均衡模型对应一个所述原始样本集和与之对应的过采样样本集；

对待均衡的信贷数据样本集进行切分组合，得到n个包含大样本和小样本的目标样本集；其中，各所述目标样本集中大样本的数量相同且小样本的数量相同；

将n个所述目标样本集分别输入到所述n个样本均衡模型中并输出n个欠采样均衡样本集，对所述n个欠采样均衡样本集进行堆叠汇总得到最终的信贷数据均衡样本集。