[发明专利]样本数据的处理方法及装置

权利要求书

1.一种样本数据的处理方法，其特征在于，所述方法包括：

获取样本数据集，其中，所述样本数据集中包含多个无标签的未标记样本数据，所述未标记样本数据为：历史贷款人对应的个人信息数据和/或行为表现数据，所述历史贷款人为已在目标金融机构平台或其他金融机构平台申请过贷款的贷款人；

分别将每个所述未标记样本数据输入至预置评分模型中，以获得每个所述未标记样本数据对应的评分结果，其中，所述预置评分模型为所述目标金融机构平台预先训练好的、用于确定贷款人对应的评分结果的模型，任意一个所述未标记样本数据对应的评分结果具体为所述未标记样本数据对应的信用评分；

根据每个所述未标记样本数据对应的评分结果对多个所述未标记样本数据进行多轮打标签处理，直至达到第一预设停止条件，以获得多个第一正样本数据和多个第一负样本数据；

根据多个所述第一正样本数据和多个所述第一负样本数据对预置机器学习模型和预置深度学习模型进行多轮迭代训练，直至达到第二预设停止条件，以获得第一标签预测模型和第二标签预测模型；

根据所述第一标签预测模型和所述第二标签预测模型对多个剩余未标记样本数据进行多轮打标签处理，直至达到第三预设停止条件；

所述根据所述第一标签预测模型和所述第二标签预测模型对多个剩余未标记样本数据进行多轮打标签处理，直至达到第三预设停止条件，包括：

针对每一轮打标签处理而言：

分别将每个所述剩余未标记样本数据输入至所述第一标签预测模型，以获得每个所述剩余未标记样本数据对应的第一预测概率，并根据每个所述剩余未标记样本数据对应的第一预测概率对多个所述剩余未标记样本数据进行正向排序，以获得第二序列，其中，所述第一预测概率用于表明所述剩余未标记样本数据应该被打上负标签的概率；

分别将每个所述剩余未标记样本数据输入至所述第二标签预测模型，以获得每个所述剩余未标记样本数据对应的第二预测概率，并根据每个所述剩余未标记样本数据对应的第二预测概率对多个所述剩余未标记样本数据进行正向排序，以获得第三序列，其中，所述第二预测概率用于表明所述剩余未标记样本数据应该被打上负标签的概率；

将所述第二序列中排序靠前的A个所述剩余未标记样本数据与所述第三序列中排序靠前的A个所述剩余未标记样本数据的交集确定为第一目标样本数据，并将所述第二序列中排序靠后的B个所述剩余未标记样本数据与所述第三序列中排序靠后的B个所述剩余未标记样本数据的交集确定为第二目标样本数据；

根据预置无监督聚类算法对多个所述第一目标样本数据进行聚类，以获得多个类簇；根据每个所述第一目标样本数据对应的评分结果计算每个所述类簇对应的平均评分；对平均评分最低的类簇中包含的每个所述第一目标样本数据进行打标签处理，以获得多个第二负样本数据；

根据所述预置无监督聚类算法对多个所述第二目标样本数据进行聚类，以获得多个类簇；根据每个所述第二目标样本数据对应的评分结果计算每个所述类簇对应的平均评分；对平均评分最高的类簇中包含的每个所述第二目标样本数据进行打标签处理，以获得多个第二正样本数据；

使用多个所述第一正样本数据、多个所述第二正样本数据、多个所述第一负样本数据和多个所述第二负样本数据对所述第一标签预测模型和所述第二标签预测模型进行训练。

2.根据权利要求1所述的方法，其特征在于，所述根据每个所述未标记样本数据对应的评分结果对多个所述未标记样本数据进行多轮打标签处理，直至达到第一预设停止条件，以获得多个第一正样本数据和多个第一负样本数据，包括：

针对每一轮打标签处理而言：

根据每个所述未标记样本数据对应的评分结果对多个所述未标记样本数据进行正向排序，以获得第一序列；

获取所述第一序列中排序靠前的X个未标记样本数据；根据预置无监督聚类算法对X个所述未标记样本数据进行聚类处理，以获得多个类簇；根据每个所述未标记样本数据对应的评分结果计算每个所述类簇对应的平均评分；对平均评分最高的类簇中包含的每个所述未标记样本数据进行打标签处理，以获得多个第一正样本数据；

获取所述第一序列中排序靠后的Y个未标记样本数据；根据所述预置无监督聚类算法对Y个所述未标记样本数据进行聚类处理，以获得多个类簇；根据每个所述未标记样本数据对应的评分结果计算每个所述类簇对应的平均评分；对平均评分最低的类簇中包含的每个所述未标记样本数据进行打标签处理，以获得多个第一负样本数据。