[发明专利]基于决策树的还款能力预测方法、装置、设备和存储介质

说明书

本申请涉及人工智能技术，提出了一种基于决策树的还款能力预测方法、装置、设备和存储介质，该方法包括：根据未知待预测用户的目标用户信息集合组成与各个已构建的决策树分别对应的目标特征信息集合；分别将目标特征信息输入至决策树中，以获得每个决策树的目标决策路径；根据决策树中节点的信息增益，计算目标决策路径的第一指标结果；根据不同还款能力分类的决策树的第一指标结果，确定未知待预测用户的实际还款能力。本申请提高了复杂、多维度数据分析问题的准确度，减少了简单的维度堆砌来笼统的评估用户还款能力导致还款能力评估的偏移，也减小了因遗漏有效维度对用户还款能力评估正确性的影响，使得还款能力评估更加准确。

技术领域

本申请涉及数据分析技术领域，尤其涉及一种基于决策树的还款能力预测方法、装置、设备和存储介质。

背景技术

信用评估是金融机构根据用户的各种信用资料得到的信用预测。还款能力属于信用评估中的一种，广泛应用于金融活动中以降低客户还款违约风险。现有技术中，大多数是单纯的根据用户的固有资产、现金流等单一特性信息推测用户的还款能力。这种评估预测方法考虑的维度过于单一，预测的还款能力往往片面、不准确。现有技术中还有一种方式是机械地将用户的多种用户信息维度通过加权的方式进行堆砌用来笼统的给用户打分，以评估用户的还款能力。这种笼统堆砌多种用户信息维度的方式，容易导致过多的无效用户信息维度或特征对还款能力的预测结果造成偏移，进而使预测的还款能力结果不准确。

发明内容

为了解决现有技术中还款能力预测要不过于堆砌笼统、要不考虑的维度单一导致预测结果偏移或不准确的技术问题。本申请提供了一种基于决策树的还款能力预测方法、装置、设备和存储介质，其主要目的在于从多种组合维度来预测用户还款能力，提高还款能力预测的精确度。

为实现上述目的，本申请提供了一种基于决策树的还款能力预测方法，该方法包括：

根据已构建的决策树中节点的节点特征，从未知待预测用户的目标用户信息集合中提取目标用户信息作为目标特征信息，以组成与各个已构建的决策树分别对应的目标特征信息集合，其中，目标特征信息集合包括用户基本信息、资产信息、风险信息、负债信息、消费行为信息中的至少一种，不同的决策树对应不同的还款能力分类且决策树中节点的节点特征为对还款能力分类具有贡献的用户信息特征；

分别将每组目标特征信息集合中的目标特征信息输入至对应的决策树中，以获得在每个决策树中的目标决策路径，目标决策路径包括多个第一节点；

根据决策树中第一节点的信息增益，计算对应目标决策路径的第一指标结果；

根据不同还款能力分类的决策树对应的第一指标结果，确定未知待预测用户的实际还款能力。

此外，为实现上述目的，本申请还提供了一种基于决策树的还款能力预测装置，该装置包括：

第一特征信息提取模块，用于根据已构建的决策树中节点的节点特征，从未知待预测用户的目标用户信息集合中提取目标用户信息作为目标特征信息，以组成与各个已构建的决策树分别对应的目标特征信息集合，其中，所述目标特征信息集合包括用户基本信息、资产信息、风险信息、负债信息、消费行为信息中的至少一种，不同的决策树对应不同的还款能力分类且决策树中节点的节点特征为对还款能力分类具有贡献的用户信息特征；

第一决策模块，用于分别将每组目标特征信息集合中的目标特征信息输入至对应的决策树中，以获得在每个决策树中的目标决策路径，目标决策路径包括多个第一节点；

第一计算模块，用于根据决策树中第一节点的信息增益，计算对应目标决策路径的第一指标结果；

判定模块，用于根据不同还款能力分类的决策树对应的第一指标结果，确定未知待预测用户的实际还款能力。