[发明专利]面向个人信用等级的关联因素分析方法、装置及相关设备

权利要求书

1.一种面向个人信用等级的关联因素分析方法，其特征在于，所述方法包括：

获取指定客户的客户信息，所述客户信息中包含不同因素的取值信息；

根据各因素的取值信息计算各因素的信息增益，所述信息增益能够表征所属因素对不同个人信用等级的影响程度；

使用K-Means算法对各因素的信息增益进行聚类分析，以确定信息增益最大的多个主要因素；

通过已训练的决策树模型处理各主要因素的取值信息，以确定各个人信用等级对应的主要因素组合，所述主要因素组合由至少一个主要因素所组成。

2.根据权利要求1所述的方法，其特征在于，所述根据各因素的取值信息计算各因素的信息增益之前，所述方法还包括：

对各因素的取值信息进行预处理，所述预处理包括连续型变量的离散化和离散型变量的取值处理。

3.根据权利要求1所述的方法，其特征在于，所述获取指定客户的客户信息，包括：

使用基于Python的网络爬虫自动收集所述指定客户的客户信息。

4.根据权利要求1所述的方法，其特征在于，所述根据各因素的取值信息计算各因素的信息增益，包括：

划分所述指定客户至其所属的职业类别下；

根据各因素的取值信息计算所述职业类别下各因素的信息增益。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在确定信息增益最大的多个主要因素的同时，确定信息增益最小的多个次要因素；

通过所述决策树模型处理各次要因素的取值信息，以确定各个人信用等级对应的次要因素组合，所述次要因素组合由至少一个次要因素所组成。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

判断目标客户对应的目标主要因素组合的取值信息是否匹配第一目标个人信用等级，所述第一目标个人信用等级为所述目标主要因素组合对应的个人信用等级；

若所述目标主要因素组合的取值信息匹配所述第一目标个人信用等级，则将所述第一目标个人信用等级作为所述目标客户的实际个人信用等级；

若所述目标主要因素组合的取值信息不匹配所述第一目标个人信用等级，判断所述目标客户对应的目标次要因素组合的取值信息是否匹配第二目标个人信用等级，所述第二目标个人信用等级为所述目标次要因素组合对应的个人信用等级；

若所述目标次要因素组合的取值信息匹配所述第二目标个人信用等级，则将所述第二目标个人信用等级作为所述目标客户的实际个人信用等级；

若所述目标次要因素组合的取值信息不匹配所述第二目标个人信用等级，则输出相应的提示信息。

7.一种面向个人信用等级的关联因素分析装置，其特征在于，所述装置包括：

信息获取模块，用于获取指定客户的客户信息，所述客户信息中包含不同因素的取值信息；

信息增益计算模块，用于根据各因素的取值信息计算各因素的信息增益，所述信息增益能够表征所属因素对不同个人信用等级的影响程度；

因素分析模块，用于使用K-Means算法对各因素的信息增益进行聚类分析，以确定信息增益最大的多个主要因素；通过已训练的决策树模型处理各主要因素的取值信息，以确定各个人信用等级对应的主要因素组合，所述主要因素组合由至少一个主要因素所组成。

8.根据权利要求7所述的装置，其特征在于，所述因素分析模块，还用于：

在确定信息增益最大的多个主要因素的同时，确定信息增益最小的多个次要因素；通过所述决策树模型处理各次要因素的取值信息，以确定各个人信用等级对应的次要因素组合，所述次要因素组合由至少一个次要因素所组成。

9.一种电子设备，其特征在于，所述电子设备包括：至少一个存储器和至少一个处理器；所述存储器存储有应用程序，所述处理器调用所述存储器存储的应用程序，所述应用程序用于实现权利要求1-6任意一项所述的面向个人信用等级的关联因素分析方法。

10.一种存储介质，其特征在于，所述存储介质存储有计算机程序代码，所述计算机程序代码执行时实现权利要求1-6任意一项所述的面向个人信用等级的关联因素分析方法。