[发明专利]一种智能建模的模型输出方法、设备及存储介质

摘要

本申请提供一种智能建模的模型输出方法、设备及存储介质，预先建立用于作为模型训练输入因子的模型因子库；获取历史数据，对历史数据按预先设置的建模流程进行训练，得到模型训练结果；若检测接收到查勘任务流，则将模型因子库中被选中的模型因子、查勘任务流对应的案件数据作为模型训练结果的输入进行函数运算后，得到与查勘任务流对应的评分结果。本申请中部署了由SMP标准建模流程所训练得到的模型训练结果，当模型因子库因子、查勘任务流被模型部署平台接收时，直接由模型训练结果进行案件风险评分，而且已经部署在模型部署平台中的函数可以随时优化迭代。

主权项

1.一种智能建模的模型输出方法，其特征在于，所述方法包括以下步骤：

预先建立用于作为模型训练输入因子的模型因子库；

获取历史数据，对历史数据按预先设置的建模流程进行训练，得到模型训练结果；其中，预先设置的建模流程包括宽表搭建、数据探索、显著性分析、变量分箱、相关性分析、模型训练、模型测试、模型效果评价、及模型监控；

若检测接收到查勘任务流，则将模型因子库中被选中的模型因子、查勘任务流对应的案件数据作为模型训练结果的输入进行函数运算后，得到与查勘任务流对应的评分结果。

2.根据权利要求1所述智能建模的模型输出方法，其特征在于，所述获取历史数据，对历史数据按预先设置的建模流程进行训练，得到模型训练结果的步骤，包括：

将历史数据进行宽表搭建，得到第一处理数据；

将第一处理数据进行数据探索，得到第二处理数据；

将第二处理数据进行显著性分析，得到第三处理数据；

将第三处理数据进行变量分箱，得到第四处理数据；

将第四处理数据进行相关性分析，得到第五处理数据；

将第五处理数据进行模型训练，得到第六处理数据；

将第六处理数据进行模型测试，得到第七处理数据；

将第七处理数据进行模型效果评价，得到第八处理数据；

将第八处理数据进行模型监控，得到模型训练结果。

3.根据权利要求2所述智能建模的模型输出方法，其特征在于，所述将第八处理数据进行模型监控，得到模型训练结果的步骤之后还包括：

将所述模型训练结果发送至模型部署平台进行存储。

4.根据权利要求3所述智能建模的模型输出方法，其特征在于，所述若检测接收到查勘任务流，则将模型因子库中被选中的模型因子、查勘任务流对应的案件数据作为模型训练结果的输入进行函数运算后，得到与查勘任务流对应的评分结果的步骤，包括：

接收查勘任务流，并接收调用函数请求；

获取查勘任务流对应的案件数据，通过Shell脚本调用Python进程；

获取模型因子库中被选中的模型因子；

在Python进程中将模型因子库中被选中的模型因子、查勘任务流对应案件数据作为模型训练结果的输入，进行函数运算，得到与查看任务流对应的评分结果。

5.根据权利要求4所述智能建模的模型输出方法，其特征在于，所述在Python进程中将模型因子库中被选中的模型因子、查勘任务流对应案件数据作为模型训练结果的输入，进行函数运算，得到与查看任务流对应的评分结果的步骤，还包括：

将模型因子库中被选中的模型因子的权重、及查勘任务流所对应案件数据的权重值按降序排序时，排名位于指定位数之前的模型因子和/或查勘任务流所对应案件数据进行显示。

6.根据权利要求1所述智能建模的模型输出方法，其特征在于，所述若检测接收到查勘任务流，则将模型因子库中被选中的模型因子、查勘任务流对应的案件数据作为模型训练结果的输入进行函数运算后，得到与查勘任务流对应的评分结果的步骤之后，还包括：

判断评分结果是否超出预设的评分阈值；

当评分结果超出评分阈值，则进行调查提示；

当评分结果未超出评分阈值，则进行理赔核算。

7.根据权利要求1‑6任一项所述智能建模的模型输出方法，其特征在于，所述模型训练结果为函数。

8.一种智能建模的模型输出设备，其特征在于，所述智能建模的模型输出设备包括处理器、存储器及通信总线；

所述通信总线用于实现处理器和存储器之间的连接通信；

所述处理器用于执行存储器中存储的智能建模的模型输出程序，以实现以下步骤：

预先建立用于作为模型训练输入因子的模型因子库；

获取历史数据，对历史数据按预先设置的建模流程进行训练，得到模型训练结果；其中，预先设置的建模流程包括宽表搭建、数据探索、显著性分析、变量分箱、相关性分析、模型训练、模型测试、模型效果评价、及模型监控；

若检测接收到查勘任务流，则将模型因子库中被选中的模型因子、查勘任务流对应的案件数据作为模型训练结果的输入进行函数运算后，得到与查勘任务流对应的评分结果。

9.根据权利要求8所述智能建模的模型输出设备，其特征在于，所述获取历史数据，对历史数据按预先设置的建模流程进行训练，得到模型训练结果的步骤，包括：

将历史数据进行宽表搭建，得到第一处理数据；

将第一处理数据进行数据探索，得到第二处理数据；

将第二处理数据进行显著性分析，得到第三处理数据；

将第三处理数据进行变量分箱，得到第四处理数据；

将第四处理数据进行相关性分析，得到第五处理数据；

将第五处理数据进行模型训练，得到第六处理数据；

将第六处理数据进行模型测试，得到第七处理数据；

将第七处理数据进行模型效果评价，得到第八处理数据；

将第八处理数据进行模型监控，得到模型训练结果。

10.一种存储介质，其特征在于，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1‑7任一项所述智能建模的模型输出方法的步骤。