[发明专利]一种企业资金不足事件预测方法、装置及应用

说明书

本申请提出了一种企业资金不足预测方法、装置及应用，包括以下步骤：获取纠纷企业信息数据并对发生资金不足事件企业进行标注；对纠纷企业信息数据进行降维处理后得到资金不足企业信息数据集和资金正常企业信息数据集；在所述资金正常企业信息数据集中随机抽出与资金不足企业信息数据集等量的样本进行合并得到多个均衡数据子集；对每个所述均衡数据子集进行调参、拟合，得到与所述均衡数据子集个数相同的子模型，将多个所述子模型进行组合得到企业资金不足预测模型用来进行企业资金不足风险的预测。通过本方案可以对高维不平衡的纠纷企业信息数据进行预测，判断各个企业发生资金不足事件的概率，并对其进行预警。

技术领域

本申请涉及机器学习领域，特别是涉及一种企业资金不足事件预测方法、装置及应用。

背景技术

当前，受疫情及外部环境不确定性影响，部分行业企业资金不足隐患显现，企业较大规模裁员减员带来的纠纷也不容忽视，一般来说导致资金不足的主要问题在于用工单位资金周转困难，当部分企业出现了长时间亏损、资金链断裂的状况时，企业可能会因缺乏资金从而导致资金不足。

一般来说，企业信息数据的属性较多导致其维度较高且数据样本标签分布不均匀导致数据层面的不平衡，而传统的分类算法在低维平衡数据上可以达到比较不错的效果，但是当被应用到高维不平衡数据的分类问题中时往往效果不理想，因为在分类高维数据时，由于高维数据的特征空间大，产生的分类器会复杂，数据容易过度拟合，且训练难度大大提升，在分类不平衡数据时，基于假设类别平衡的分类算法容易忽略本应被关注的少数类别，是经典分类模型向多数类样本倾斜，导致少数类样本的准确率和召回率要远低于多数类，其分类效果较差。

目前对于高维不平衡数据的处理方法一般为先对其进行预处理，之后再进行分类操作，预处理后的数据用已分类算法进行分类，但在数据预处理的阶段使得数据损失部分特征和实例信息，从而影响分类性能。

故本方案能够科学有效地解决高维不平衡数据的问题并将其应用到企业资金不足事件预测领域。

发明内容

本申请实施例提供了一种企业资金不足事件预测方法、装置及应用，针对目前高维不平衡的企业信息数据，能够对其进行降维、筛选并生成均衡数据子集，利用均衡数据子集对企业资金不足事件进行预测。

第一方面，本申请实施例提供了一种企业资金不足事件预测方法，所述方法包括：

获取纠纷企业信息数据并对发生资金不足事件企业进行标注；

对纠纷企业信息数据进行降维处理得到纠纷企业信息数据集，根据对发生资金不足事件企业的标注将所述纠纷企业信息数据集分为资金不足企业信息数据集和资金正常企业信息数据集；

在每一资金正常企业信息数据集中随机抽出与资金不足企业信息数据集等量的多数类样本，每一所述多数类样本和所述资金不足企业信息数据样本进行合并得到多个均衡数据子集；

将每个所述均衡数据子集输入均衡子模型中进行拟合，将多个所述均衡子模型进行组合得到企业资金不足预测模型；

将待预测企业的企业信息数据输入到所述企业资金不足预测模型得到预测结果。

第二方面，本申请实施例提供了一种企业资金不足事件预测装置，包括：

获取模块：获取纠纷企业信息数据并对发生资金不足事件企业进行标注。

第一处理模块：对纠纷企业信息数据进行降维处理得到纠纷企业信息数据集，根据对发生资金不足事件企业的标注将所述纠纷企业信息数据集分为资金不足企业信息数据集和资金正常企业信息数据集；

第二处理模块：在每一资金正常企业信息数据集中随机抽出与资金不足企业信息数据集等量的多数类样本，每一所述多数类样本和所述资金不足企业信息数据样本进行合并得到多个均衡数据子集；