[发明专利]中小企业风险预警模型优化方法、装置、设备和存储介质

权利要求书

1.一种中小企业风险预警模型优化方法，其特征在于，包括：

利用预先训练的预警模型对线上数据进行预测；

对所述预警模型的预测标签进行监控；

当确定满足预设的重训练条件时，在原有的训练数据的基础上引入新的训练数据并重新训练预警模型。

2.根据权利要求1所述的方法，其特征在于，所述预设的重训练条件包括：真实的逾期标签与模型预测的逾期标签的F1值小于预设值。

3.根据权利要求2所述的方法，其特征在于，所述预设的重训练条件还包括以下项中的至少一项：

训练数据的维度变化大于设定值、统计口径的变更和新算法的引进。

4.根据权利要求1所述的方法，其特征在于，预警模型的训练过程包括对训练数据进行特征工程，进行的特征工程具体包括：

删除含有未来数据的标签列；

删除缺失值超过预设百分比的标签列以及删除唯一值的标签列；

对枚举类型数据进行因子化编码；

对于有业务含义的变量衍生，按枚举变量对数值型变量进行统计，形成新的有业务含义的全局统计型变量；对于无业务含义的变量衍生，对数值型变量进行数学衍生、标准化和归一化衍生。

5.根据权利要求4所述的方法，其特征在于，所述预警模型的训练过程包括：

利用机器学习算法对训练数据进行训练，初步得到预警模型；

采用未来的真实数据对初步得到的预警模型进行验证；验证指标为查全率和查准率；

基于验证结果，采用随机搜索算法在超参数空间内进行最优参数搜索；

采用预设选择算法对模型重要参数进行解析，并选取其中最重要的N维作为最终的入模变量；其中，N为超参数，N的取值范围为正整数；

基于选取的N维变量，利用机器学习算法进行重新训练，得到最终的预警模型。

6.根据权利要求5所述的方法，其特征在于，在预警模型的训练过程中，增强表征逾期的训练数据的权重，并对不同时点的训练数据设置不同的权重；其中，训练数据的时点越接近当前时间则权重越高。

7.根据权利要求1所述的方法，其特征在于，预先训练预警模型以及重新训练预警模型时，采用相同的机器学习算法。

8.一种中小企业风险预警模型优化装置，其特征在于，包括：

预测模块，用于利用预先训练的预警模型对线上数据进行预测；

监控模块，用于对所述预警模型的预测标签进行监控；

重训练模块，用于当确定满足预设的重训练条件时，在原有的训练数据的基础上引入新的训练数据并重新训练预警模型。

9.一种智能设备，其特征在于，包括：

存储器和与所述存储器相连接的处理器；

所述存储器用于存储程序，所述程序至少用于实现如权利要求1-7任一项所述的中小企业风险预警模型优化方法；

所述处理器用于调用并执行所述存储器存储的所述程序。

10.一种存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器调用并执行时，实现如权利要求1-7任一项所述的中小企业风险预警模型优化方法。