[发明专利]信用评估方法及装置、存储介质和电子设备

权利要求书

1.一种信用评估方法，其特征在于，包括：

在待信用评估数据中获取至少一个第一目标对象对应的目标数据信息一，其中，所述目标数据信息一用于表示所述第一目标对象的历史信用信息一；

将所述目标数据信息一输入到信用评估模型中，得到所述第一目标对象的信用评估结果，其中，所述信用评估模型中的惩罚因子和核函数的参数是由麻雀搜索算法确定；

输出所述第一目标对象的信用评估结果。

2.根据权利要求1所述的方法，其特征在于，在将所述目标数据信息一输入到信用评估模型中，得到所述第一目标对象的信用评估结果之前，所述方法还包括：

在训练样本中获取至少一个第二目标对象对应的目标数据信息二，在测试样本中获取至少一个第三目标对象对应的目标数据信息三，其中，所述目标数据信息二用于表示所述第二目标对象的历史信用信息二，所述目标数据信息三用于表示所述第三目标对象的历史信用信息三；

依据所述麻雀搜索算法，确定用于信用评估的支持向量机SVM模型中的惩罚因子和核函数的参数；

将所述惩罚因子和所述核函数的参数应用在所述SVM模型中；

采用所述目标数据信息二对所述SVM模型进行学习训练，以构建信用评估模型；

采用所述目标数据信息三对所述信用评估模型进行测试，以确定所述信用评估模型的分类性能。

3.根据权利要求2所述的方法，其特征在于，在依据所述麻雀搜索算法，确定用于信用评估的支持向量机SVM模型中的惩罚因子和核函数的参数之前，所述方法还包括：

利用Sobol序列和Levy飞行机制对所述麻雀搜索算法进行改进，得到改进后的麻雀搜索算法；

依据所述改进后的麻雀搜索算法，确定用于信用评估的SVM模型中的惩罚因子和核函数的参数。

4.根据权利要求3所述的方法，其特征在于，利用Sobol序列和Levy飞行机制对所述麻雀搜索算法进行改进包括：

利用Sobol序列，对所述麻雀搜索算法中的初始种群的生成方式进行改进；

利用Levy飞行机制，对所述麻雀搜索算法中的麻雀加入者的位置表达式进行改进。

5.根据权利要求3所述的方法，其特征在于，依据所述改进后的麻雀搜索算法，确定用于信用评估的SVM模型中的惩罚因子和核函数的参数包括：

获取麻雀种群和所述用于信用评估的SVM模型中的初始参数，其中，所述麻雀种群中的初始参数至少包括麻雀种群数量、最大迭代次数、麻雀种群中的发现者的数量、麻雀种群中的侦察者的数量，所述用于信用评估的SVM模型中的初始参数至少包括所述用于信用评估的SVM模型中的惩罚因子和核函数的参数的取值范围；

利用Sobol序列生成麻雀初始种群；

依据所述用于信用评估的SVM模型中的惩罚因子和核函数的参数的取值范围，确定所述麻雀种群中的每只麻雀的适应度值；

依据所述麻雀种群中的每只麻雀的适应度值，确定所述麻雀种群中的发现者和加入者，并将所述麻雀种群中的预设的麻雀个体作为侦察者；

对所述发现者、所述加入者和所述侦察者的位置进行更新，确定所述发现者、所述加入者和所述侦察者的目标位置；

根据所述最大迭代次数和所述发现者、所述加入者、所述侦察者的目标位置，确定用于信用评估的SVM模型中的惩罚因子和核函数的参数。

6.根据权利要求5所述的方法，其特征在于，根据所述最大迭代次数和所述发现者、所述加入者、所述侦察者的目标位置，确定用于信用评估的SVM模型中的惩罚因子和核函数的参数包括：

判断预设迭代次数是否小于所述最大迭代次数；

若所述预设迭代次数不小于所述最大迭代次数，则根据所述发现者、所述加入者、所述侦察者的目标位置，确定用于信用评估的SVM模型中的惩罚因子和核函数的参数；

若所述预设迭代次数小于所述最大迭代次数，则继续执行依据所述用于信用评估的SVM模型中的惩罚因子和核函数的参数的取值范围，确定所述麻雀种群中的每只麻雀的适应度值的操作，直到所述预设迭代次数等于所述最大迭代次数。