[发明专利]信用评估变量筛选方法、装置、计算机设备及存储介质

说明书

本申请实施例属于人工智能领域，涉及一种信用评估变量筛选方法、装置、计算机设备及存储介质，方法包括：获取由多种变量组成的用户数据；分别以各变量为排序因子，基于用户数据计算各变量的KS指标值；根据KS指标值对各变量进行筛选，得到第一候选变量；基于各第一候选变量间的相关系数对第一候选变量进行筛选，得到第二候选变量；将第二候选变量输入第一信用评估模型，以计算第二候选变量的特征贡献度；根据第二候选变量的特征贡献度和KS指标值对第二候选变量进行筛选，得到用于信用评估的评估变量。此外，本申请还涉及区块链技术，评估变量可存储于区块链中。本申请提高了信用评估变量筛选的准确性。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种信用评估变量筛选方法、装置、计算机设备及存储介质。

背景技术

随着计算机技术的发展，越来越多的机构使用计算机进行信用风险的评估计算。伴随着目前数据产生以及数据存储技术的进步，信用风险评估可使用的变量越来越多。如何在众多变量中筛选出对信用风险评估最有贡献的变量组合，对信用风险评估至关重要。信用风险评估通常使用信用评估模型来实现。

传统的变量筛选技术中，通常使用的方法有过滤法(Filter)、包装法(Wrapper)以及嵌入法(Embedded)。然而，这些方法都不太适用于信用评估模型。过滤法进行单变量分析时，无法得到单变量对模型评价指标KS(Kolmogorov-Smirnov，KS，一种用于衡量风险评估模型评估能力的指标，通常KS越大，风险评估模型的风险区分能力越强)的影响；包装法主要针对线性模型，而信用评估模型通常使用树模型，因此包装法并不适用于当前的信用评估模型；嵌入法是单纯地基于树模型计算变量重要性，并未考虑到变量对模型KS的影响。因此采用传统的变量筛选方法对信用评估模型进行变量筛选，并不能筛选到最合适的变量，会导致信用风险评估的准确性较低。

发明内容

本申请实施例的目的在于提出一种信用评估变量筛选方法、装置、计算机设备及存储介质，以解决信用风险评估的准确性较低的问题。

为了解决上述技术问题，本申请实施例提供一种信用评估变量筛选方法，采用了如下所述的技术方案：

获取由多种变量组成的用户数据；

分别以各变量为排序因子，基于所述用户数据计算所述各变量的KS指标值；

根据所述KS指标值对所述各变量进行筛选，得到第一候选变量；

基于各第一候选变量间的相关系数对所述第一候选变量进行筛选，得到第二候选变量；

将所述第二候选变量输入第一信用评估模型，以计算所述第二候选变量的特征贡献度；

根据所述第二候选变量的特征贡献度和KS指标值对所述第二候选变量进行筛选，得到用于信用评估的评估变量。

为了解决上述技术问题，本申请实施例还提供一种信用评估变量筛选装置，采用了如下所述的技术方案：

数据获取模块，用于获取由多种变量组成的用户数据；

指标值计算模块，用于分别以各变量为排序因子，基于所述用户数据计算所述各变量的KS指标值；

第一筛选模块，用于根据所述KS指标值对所述各变量进行筛选，得到第一候选变量；

第二筛选模块，用于基于各第一候选变量间的相关系数对所述第一候选变量进行筛选，得到第二候选变量；

变量输入模块，用于将所述第二候选变量输入第一信用评估模型，以计算所述第二候选变量的特征贡献度；

变量筛选模块，用于根据所述第二候选变量的特征贡献度和KS指标值对所述第二候选变量进行筛选，得到用于信用评估的评估变量。

为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：