[发明专利]一种基于RFM模型泛化特征的金融类客户分级方法

权利要求书

1.一种基于RFM模型泛化特征的金融类客户分级方法，其特征在于，包括以下步骤：

S1、采集客户数据，随机抽取预定比例的样本数据进行交叉标注；其中，所述客户数据包括RFM指标数据和针对特定场景的附加特征数据；

S2、对标记数据进行特征处理，并进行机器学习模型训练；

S3、在机器学习模型中对全量客户数据进行特定金融场所的分析处理。

2.根据权利要求1所述的一种基于RFM模型泛化特征的金融类客户分级方法，其特征在于，所述交叉标注包括：

随机打乱需要标注的样本数据，通过多数原则标明抽取的客户级别。

3.根据权利要求1所述的一种基于RFM模型泛化特征的金融类客户分级方法，其特征在于，所述对标记数据进行特征处理包括：

对已经标注的数据进行归一化处理，使每个特征的数据范围收敛到相同数量级。

4.根据权利要求1或3所述的一种基于RFM模型泛化特征的金融类客户分级方法，其特征在于，所述机器学习模型训练包括：

将训练数据输入至分类算法供模型拟合训练，并将得到模型通过随机抽取数据验证模型分类是否准确，其中，标注数据包括训练数据和随机抽取数据。

5.根据权利要求4所述的一种基于RFM模型泛化特征的金融类客户分级方法，其特征在于，所述训练数据和随机抽取数据的数据量比优选为7:3。

6.根据权利要求1所述的一种基于RFM模型泛化特征的金融类客户分级方法，其特征在于，所述在机器学习模型中对全量客户数据进行特定金融场所的分析处理包括：

判断分类准确度是否达到业务期望阈值，若未达到期望阈值，提升分类准确度。

7.根据权利要求6所述的一种基于RFM模型泛化特征的金融类客户分级方法，其特征在于，所述提升分类准确度包括：

重新定义RFM模型，并增加新特征，再次进行数据处理和模型训练，使分类准确度终值达到期望阈值。