[发明专利]基于决策树的风控决策方法及系统

权利要求书

1.一种基于决策树的风控决策方法，其特征在于，包括：

获取决策对象的原始数据，并对所述原始数据进行预处理；

对预处理后的数据进行清洗，删除数据中的异常值；

对所述数据进行特征提取，获取所述数据的变量信息；

根据所述变量信息建立决策树模型，并对所述决策树模型进行调优；

将所述决策对象的风险评估结果通过可视化决策树展示。

2.如权利要求1所述的基于决策树的风控决策方法，其特征在于，所述对所述原始数据进行预处理步骤具体包括：冗余变量处理、缺失值处理、地方插变量处理以及异常值处理。

3.如权利要求2所述的基于决策树的风控决策方法，其特征在于，所述冗余变量处理的步骤包括：

删除所述原始数据中对所述决策树模型不产生影响的变量。

4.如权利要求2所述的基于决策树的风控决策方法，其特征在于，所述缺失值处理的步骤包括：

判断所述原始数据是否存在缺失值；

若是，则查询所述原始数据在前3年是否存在完整数据；

若所述原始数据在前3年存在完整数据，则根据前3年的数据求均值进行填充；

若所述原始数据在前3年不存在完整数据，则对缺失值进行补0填充。

5.如权利要求1所述的基于决策树的风控决策方法，其特征在于，所述对所述数据进行特征提取，获取所述数据的变量信息的步骤具体包括：缺失率筛选、IV值筛选以及相关性筛选。

6.如权利要求5所述的基于决策树的风控决策方法，其特征在于，所述缺失率筛选的步骤具体包括：

计算所有变量的缺失率，所述缺失率的计算方式为：

缺失率=变量值缺失的数量/变量值的总数量；

若任一所述变量的缺失率大于预设值，则删除对应变量。

7.如权利要求5所述的基于决策树的风控决策方法，其特征在于，所述IV值筛选的步骤具体包括：

计算所有变量的IV值；

筛选并保留IV值大于预设值的变量。

8.如权利要求5所述的基于决策树的风控决策方法，其特征在于，所述相关性筛选的步骤具体包括：

利用皮尔逊相关系数对所有变量进行相关性评估；

删除相关性大于预设值的变量。

9.如权利要求1所述的基于决策树的风控决策方法，其特征在于，所述根据所述变量信息建立决策树模型，并对所述决策树模型进行调优步骤具体包括：

调节参数至极致测试所述决策树模型的极限；

对所述决策树模型进行参数调优，其中，涉及到调优的参数包括叶子节点最小样本数、树分枝的最大深度和随机种子、叶子节点最小权重和、节点分枝最小纯度增长量和最大叶子节点数；

对所述决策树模型进行剪枝处理。

10.一种基于决策树的风控决策系统，其特征在于，所述系统包括：

数据获取模块：用于获取决策对象的原始数据；

预处理模块：用于对所述原始数据进行预处理；

清洗模块：用于对预处理后的数据进行清洗，删除数据中的异常值；

特征提取模块：用于对所述数据进行特征提取，获取所述数据的变量信息；

建模模块：用于根据所述变量信息建立决策树模型；

优化模块：用于对所述决策树模型进行调优；

可视化模块：用于将所述决策对象的风险评估结果通过可视化决策树展示。