CN110298390A - 一种风控模型的特征选择方法及装置 - Google Patents

一种风控模型的特征选择方法及装置 Download PDF

Info

Publication number
CN110298390A
CN110298390A CN201910501554.2A CN201910501554A CN110298390A CN 110298390 A CN110298390 A CN 110298390A CN 201910501554 A CN201910501554 A CN 201910501554A CN 110298390 A CN110298390 A CN 110298390A
Authority
CN
China
Prior art keywords
feature
sample
auc
alternative features
features collection
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910501554.2A
Other languages
English (en)
Inventor
顾凌云
谢旻旗
段湾
王震宇
张涛
罗雨晨
张阳
乔韵如
黄海涛
冯杰
王存伟
周轩
潘峻
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Ice Stephen Mdt Infotech Ltd
Shanghai IceKredit Inc
Original Assignee
Shanghai Ice Stephen Mdt Infotech Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Ice Stephen Mdt Infotech Ltd filed Critical Shanghai Ice Stephen Mdt Infotech Ltd
Priority to CN201910501554.2A priority Critical patent/CN110298390A/zh
Publication of CN110298390A publication Critical patent/CN110298390A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/211—Selection of the most significant subset of features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Evolutionary Biology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Technology Law (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供了一种风控模型的特征选择方法及装置，其中方法包括：将建模样本分为训练样本和测试样本；利用随机森林算法对训练样本进行训练获得初始模型AUC和KS以及特征重要度排序，利用二分法对已排序的特征进行初步筛选，将符合第一规则的特征作为第一备选特征集；对训练样本的特征进行聚类分析，将符合第二规则的特征作为第二备选特征集；从第一备选特征集和第二备选特征集的并集中多次选取预设比例的特征和样本组成新的备选样本分别进行逻辑回归建模，进行特征集选择得到新的特征集；对新的特征集进行全排列组合获取N个特征集，分别进行逻辑回归建模，获得N个训练模型；利用测试样本对N个训练模型分别进行测试，选择出最终模型。

Description

一种风控模型的特征选择方法及装置
技术领域
本发明涉及特征选择技术领域，尤其涉及一种风控模型的特征选择方法及装置。
背景技术
在风控建模方面，现在大多数金融机构依然采用较为传统的特征筛选方法(即专家经验)，在特征维度特别大的情况下，单凭专家经验挑选特征，存在一定的弊端，容易遗漏重要特征，特征挖掘不够深入，很难筛选出最能刻画风险点的特征。
因此，设计一种风控模型的特征选择方法及装置成为亟待解决的问题。
发明内容
本发明旨在提供一种克服上述问题之一或者至少部分地解决上述任一问题的一种风控模型的特征选择方法及装置。
为达到上述目的，本发明的技术方案具体是这样实现的：
本发明的一个方面提供了一种风控模型的特征选择方法，包括：获取建模样本，将建模样本分为训练样本和测试样本；利用随机森林算法对训练样本进行训练获得初始模型AUC和KS以及特征重要度排序，利用二分法对已排序的特征进行初步筛选，将符合第一规则的特征作为第一备选特征集；对训练样本的特征进行聚类分析，将符合第二规则的特征作为第二备选特征集；获取第一备选特征集和第二备选特征集的并集；从第一备选特征集和第二备选特征集的并集中多次选取预设比例的特征和样本组成新的备选样本，对新的备选样本分别进行逻辑回归建模，并使用stepwise进行双向选择挑选每个新的备选样本的特征集，对每个新的备选样本的特征集分别进行逻辑回归模型的交叉验证，计算每个新的备选样本的特征集的平均AUC和平均KS以及AUC标准差和KS标准差，按照预设特征集挑选标准进行特征集选择，得到新的特征集；对新的特征集进行全排列组合获取N个特征集，对N个特征集中的每个特征集分别进行逻辑回归建模，获得N个训练模型；利用测试样本对N个训练模型分别进行测试，得到每个训练模型对应的AUC和KS，根据每个训练模型对应的AUC和KS选择出最终模型。
其中，利用二分法对已排序的特征进行初步筛选，将符合第一规则的特征作为第一备选特征集包括：先选前一半的变量用随机森林算法建模获得AUC和KS，再跟初始模型的AUC和KS进行比较，下降量大于阈值时，增加特征；下降量小于等于阈值时，减少特征；直到确定最佳位置获得第一备选特征集。
其中，对训练样本的特征进行聚类分析，将符合第二规则的特征作为第二备选特征集包括：对训练样本的特征进行聚类分析，计算训练样本的IV值，选出me类中IV值最高的前M个特征作为第二备选特征集，其中，M为预设个数。
其中，预设特征集挑选标准包括满足以下条件至少之一的一个或多个特征集的并集或交集：最大平均AUC；最大平均KS；和AUC和KS组成的综合指标(d*AUC+a*KS-b*AUC_sd-c*KS_sd)；其中：a，b，c，d分别为预设值。
其中，交叉验证包括：5折交叉。
本发明另一方面提供了一种风控模型的特征选择装置，包括：样本获取模块，用于获取建模样本，将建模样本分为训练样本和测试样本；第一备选特征集获取模块，用于利用随机森林算法对训练样本进行训练获得初始模型AUC和KS以及特征重要度排序，利用二分法对已排序的特征进行初步筛选，将符合第一规则的特征作为第一备选特征集；第二备选特征集获取模块，用于对训练样本的特征进行聚类分析，将符合第二规则的特征作为第二备选特征集；并集获取模块，用于获取第一备选特征集和第二备选特征集的并集；新的特征集获取模块，用于从第一备选特征集和第二备选特征集的并集中多次选取预设比例的特征和样本组成新的备选样本，对新的备选样本分别进行逻辑回归建模，并使用stepwise进行双向选择挑选每个新的备选样本的特征集，对每个新的备选样本的特征集分别进行逻辑回归模型的交叉验证，计算每个新的备选样本的特征集的平均AUC和平均KS以及AUC标准差和KS标准差，按照预设特征集挑选标准进行特征集选择，得到新的特征集；训练模块，用于对新的特征集进行全排列组合获取N个特征集，对N个特征集中的每个特征集分别进行逻辑回归建模，获得N个训练模型；测试模块，用于利用测试样本对N个训练模型分别进行测试，得到每个训练模型对应的AUC和KS，根据每个训练模型对应的AUC和KS选择出最终模型。
其中，第一备选特征集获取模块通过如下方式利用二分法对已排序的特征进行初步筛选，将符合第一规则的特征作为第一备选特征集：第一备选特征集获取模块，具体用于先选前一半的变量用随机森林算法建模获得AUC和KS，再跟初始模型的AUC和KS进行比较，下降量大于阈值时，增加特征；下降量小于等于阈值时，减少特征；直到确定最佳位置获得第一备选特征集。
其中，第二备选特征集获取模块通过如下方式对训练样本的特征进行聚类分析，将符合第二规则的特征作为第二备选特征集：第二备选特征集获取模块，具体用于对训练样本的特征进行聚类分析，计算训练样本的IV值，选出me类中IV值最高的前M个特征作为第二备选特征集，其中，M为预设个数。
其中，预设特征集挑选标准包括满足以下条件至少之一的一个或多个特征集的并集或交集：最大平均AUC；最大平均KS；和AUC和KS组成的综合指标(d*AUC+a*KS-b*AUC_sd-c*KS_sd)；其中：a，b，c，d分别为预设值。
其中，交叉验证包括：5折交叉。
由此可见，通过本发明实施例提供的风控模型的特征选择方法及装置，不仅将传统的逻辑回归算法和随机森林算法在变量筛选的过程中有机的结合起来，而且还根据随机森林算法的思想框架创新出了随机法挑选变量，以及聚类算法和全排列法选择变量，确保最终挑选出的变量是稳定性好且区分度高；本发明经过多次实践，具有很好的效果。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。
图1为本发明实施例提供的风控模型的特征选择方法的流程图；
图2为本发明实施例提供的一种具体的风控模型的特征选择方法的流程图；
图3为本发明实施例提供的风控模型的特征选择装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
图1示出了本发明实施例提供的风控模型的特征选择方法的流程图，参见图1，本发明实施例提供的风控模型的特征选择方法，包括：
S1，获取建模样本，将建模样本分为训练样本和测试样本。
具体地，将建模样本分为训练样本和测试样本，以利用训练样本训练模型，并利用测试样本测试模型，以便获得最合适的模型。
S2，利用随机森林算法对训练样本进行训练获得初始模型AUC和KS以及特征重要度排序，利用二分法对已排序的特征进行初步筛选，将符合第一规则的特征作为第一备选特征集。
具体地，利用随机森林算法对训练样本进行训练，得到特征重要度排序，其中，特征重要度可以由大到小排序，使用二分法对已排序的特征进行初步筛选，可以找出前K个重要特征作为第一备选特征集。二分法主要为了解决前多少个特征是重要特征的问题，该方法以AUC下降量(阈值0.5-3)为目标，进行特征的选择。如果AUC下降量超过阈值，那么向右折半；如果AUC下降量低于阈值，那么向左折半；直至找到最佳作图中的最佳位置即为变量个数K个。
作为本发明实施例的一个可选实施方式，利用二分法对已排序的特征进行初步筛选，将符合第一规则的特征作为第一备选特征集包括：先选前一半的变量用随机森林算法建模获得AUC和KS，再跟初始模型的AUC和KS进行比较，下降量大于阈值时，增加特征；下降量小于等于阈值时，减少特征；直到确定最佳位置获得第一备选特征集。具体地，此步骤为可以作为特征粗筛选中的一部分，采用二分法：使用随机森林算法对整个训练样本进行训练获得最初的模型AUC和KS以及特征重要度排序(由大到小)，之后根据特征重要度的顺序进行二分对折选变量(先选前一半的变量用随机森林算法建模获得AUC和KS，再跟最初模型的AUC和KS进行比较，下降量大于阈值时，向右折半(增加特征)；下降量小于等于阈值时，向左折半(减少特征)；直到找到最佳位置获得第一备选特征集，此步骤目的是快速剔除无关以及弱特征。
S3，对训练样本的特征进行聚类分析，将符合第二规则的特征作为第二备选特征集。
作为本发明实施例的一个可选实施方式，对训练样本的特征进行聚类分析，将符合第二规则的特征作为第二备选特征集包括：对训练样本的特征进行聚类分析，计算训练样本的IV值，选出me类中IV值最高的前M个特征作为第二备选特征集，其中，M为预设个数。具体地，本步骤可以作为特征粗筛选中的另一部分，采用聚类法：对所有训练样本的特征进行聚类分析，并计算其IV值(information value)，选出me类中IV值最高的前1-3个特征作为第二备选特征集。
S4，获取第一备选特征集和第二备选特征集的并集。
将第一备选特征集和第二备选特征集的并集组成备选特征集，可以将IV值较高的变量补充进来。
S5，从第一备选特征集和第二备选特征集的并集中多次选取预设比例的特征和样本组成新的备选样本，对新的备选样本分别进行逻辑回归建模，并使用stepwise进行双向选择挑选每个新的备选样本的特征集，对每个新的备选样本的特征集分别进行逻辑回归模型的交叉验证，计算每个新的备选样本的特征集的平均AUC和平均KS以及AUC标准差和KS标准差，按照预设特征集挑选标准进行特征集选择，得到新的特征集。
具体地，本步骤可以作为特征精筛选中的一部分，采用随机法：基于随机森林算法的思想，多次随机挑选一定比例(例如大于0.5)的备选特征集的特征和样本组成新的备选样本S1、S2...SK；对备选样本S1、S2...SK分别进行逻辑回归建模，并使用stepwise进行双向选择挑选每个备选样本的特征集T1、T2...TK；对特征集T1、T2...TK分别进行逻辑回归模型的交叉验证(Cross-validation，作为本发明实施例的一个可选实施方式，交叉验证可选5折交叉)，并统计出T1、T2...TK对应的平均AUC和平均KS以及AUC标准差和KS标准差，然后基于预设特征集挑选标准进行特征集的选择组成新的特征集SS。
作为本发明实施例的一个可选实施方式，预设特征集挑选标准包括满足以下条件至少之一的一个或多个特征集的并集或交集：最大平均AUC；最大平均KS；和AUC和KS组成的综合指标(d*AUC+a*KS-b*AUC_sd-c*KS_sd)；其中：a，b，c，d分别为预设值。选择满足条件的一个或多个特征集的并集或交集组成新的特征集SS。其中，可以根据实际需要调整a，b，c，d的参数值，如果想要AUC和KS高的特征集可以调高a和d的值，如果想要更加稳定的特征集，可以调高b和c的值。
S6，对新的特征集进行全排列组合获取N个特征集，对N个特征集中的每个特征集分别进行逻辑回归建模，获得N个训练模型；
S7，利用测试样本对N个训练模型分别进行测试，得到每个训练模型对应的AUC和KS，根据每个训练模型对应的AUC和KS选择出最终模型。
具体地，本步骤可以作为特征精筛选中的另一部分，采用全排列法：对特征集SS进行全排列组合获得多个特征集Q1、Q2...QN，对这些特征集分别进行逻辑回归建模获得模型M1、M2…MN，将N个模型分别在测试集上测试，得到对应的AUC、KS，最后选择AUC、KS较高且业务逻辑可解释的模型。
由此可见，利用本发明实施例提供的风控模型的特征选择方法，在特征挑选过程中，将机器学习(随机森林算法)与传统逻辑回归模型进行结合，创新出了二分法和聚类分析法进行特征的粗筛选，随机法和全排列法对特征进行精筛选。极大地改善了传统挑选特征过多的依靠专家经验的弊端。
以下，结合图2，具体说明本发明实施例提供的风控模型的特征选择方法，该方法包括：
1)样本划分：将建模样本分为训练样本和测试样本。
2)特征粗筛选(二分法)：使用随机森林算法对整个训练样本进行训练获得最初的模型AUC和KS以及特征重要度排序(由大到小)，之后根据特征重要度的顺序进行二分对折选变量(先选前一半的变量用随机森林算法建模获得AUC和KS，再跟最初模型的AUC和KS进行比较，下降量大于阈值时，向右折半(增加特征)；下降量小于等于阈值时，向左折半(减少特征)；直到找到最佳位置获得备选特征集1)，此步骤目的快速剔除无关以及弱特征。
3)特征粗筛选(聚类法)：对所有训练集的特征进行聚类分析，并计算其IV值(information value)，选出me类中IV值最高的前1-3个特征作为备选特征集2，并与备选特征集1的并集组成备选特征集，此步骤为了将IV值较高的变量补充进来。
4)特征精筛选(随机法)：基于随机森林算法的思想，多次随机挑选一定比例(大于0.5)的备选特征集的特征和样本组成新的备选样本S1、S2...SK；对备选样本S1、S2...SK分别进行逻辑回归建模，并使用stepwise进行双向选择挑选每个备选样本的特征集T1、T2...TK；对特征集T1、T2...TK分别进行逻辑回归模型的交叉验证(Cross-validation，可选5折交叉)，并统计出T1、T2...TK对应的平均AUC和平均KS以及AUC标准差和KS标准差，然后基于下面流程图中的特征集挑选标准进行特征集的选择组成新的特征集SS。
5)特征精筛选(全排列法)：对特征集SS进行全排列组合获得多个特征集Q1、Q2...QN，对这些特征集分别进行逻辑回归建模获得模型M1、M2…MN，将N个模型分别在测试集上测试，得到对应的AUC、KS，最后选择AUC、KS较高且业务逻辑可解释的模型。
本发明不仅将传统的逻辑回归算法和随机森林算法在变量筛选的过程中有机的结合起来，而且还根据随机森林算法的思想框架创新出了随机法挑选变量，以及聚类算法和全排列法选择变量，确保最终挑选出的变量是稳定性好且区分度高；本发明经过多次实践，具有很好的效果。
图3示出了本发明实施例提供的风控模型的特征选择装置的结构示意图，该风控模型的特征选择装置应用于上述风控模型的特征选择方法，以下仅对风控模型的特征选择装置的结构进行简要说明，其他未尽事宜，请参照上述风控模型的特征选择方法的相关说明，在此不再赘述。参见图3，本发明实施例提供的风控模型的特征选择装置，包括：
样本获取模块301，用于获取建模样本，将建模样本分为训练样本和测试样本；
第一备选特征集获取模块302，用于利用随机森林算法对训练样本进行训练获得初始模型AUC和KS以及特征重要度排序，利用二分法对已排序的特征进行初步筛选，将符合第一规则的特征作为第一备选特征集；
第二备选特征集获取模块303，用于对训练样本的特征进行聚类分析，将符合第二规则的特征作为第二备选特征集；
并集获取模块304，用于获取第一备选特征集和第二备选特征集的并集；
新的特征集获取模块305，用于从第一备选特征集和第二备选特征集的并集中多次选取预设比例的特征和样本组成新的备选样本，对新的备选样本分别进行逻辑回归建模，并使用stepwise进行双向选择挑选每个新的备选样本的特征集，对每个新的备选样本的特征集分别进行逻辑回归模型的交叉验证，计算每个新的备选样本的特征集的平均AUC和平均KS以及AUC标准差和KS标准差，按照预设特征集挑选标准进行特征集选择，得到新的特征集；
训练模块306，用于对新的特征集进行全排列组合获取N个特征集，对N个特征集中的每个特征集分别进行逻辑回归建模，获得N个训练模型；
测试模块307，用于利用测试样本对N个训练模型分别进行测试，得到每个训练模型对应的AUC和KS，根据每个训练模型对应的AUC和KS选择出最终模型。
作为本发明实施例的一个可选实施方式，第一备选特征集获取模块302通过如下方式利用二分法对已排序的特征进行初步筛选，将符合第一规则的特征作为第一备选特征集：第一备选特征集获取模块302，具体用于先选前一半的变量用随机森林算法建模获得AUC和KS，再跟初始模型的AUC和KS进行比较，下降量大于阈值时，增加特征；下降量小于等于阈值时，减少特征；直到确定最佳位置获得第一备选特征集。
作为本发明实施例的一个可选实施方式，第二备选特征集获取模块303通过如下方式对训练样本的特征进行聚类分析，将符合第二规则的特征作为第二备选特征集：第二备选特征集获取模块303，具体用于对训练样本的特征进行聚类分析，计算训练样本的IV值，选出me类中IV值最高的前M个特征作为第二备选特征集，其中，M为预设个数。
作为本发明实施例的一个可选实施方式，预设特征集挑选标准包括满足以下条件至少之一的一个或多个特征集的并集或交集：最大平均AUC；最大平均KS；和AUC和KS组成的综合指标(d*AUC+a*KS-b*AUC_sd-c*KS_sd)；其中：a，b，c，d分别为预设值。
作为本发明实施例的一个可选实施方式，交叉验证包括：5折交叉。
由此可见，利用本发明实施例提供的风控模型的特征选择方法，在特征挑选过程中，将机器学习(随机森林算法)与传统逻辑回归模型进行结合，创新出了二分法和聚类分析法进行特征的粗筛选，随机法和全排列法对特征进行精筛选。极大地改善了传统挑选特征过多的依靠专家经验的弊端。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种风控模型的特征选择方法，其特征在于，包括：
获取建模样本，将所述建模样本分为训练样本和测试样本；
利用随机森林算法对所述训练样本进行训练获得初始模型AUC和KS以及特征重要度排序，利用二分法对已排序的特征进行初步筛选，将符合第一规则的特征作为第一备选特征集；
对所述训练样本的特征进行聚类分析，将符合第二规则的特征作为第二备选特征集；
获取所述第一备选特征集和所述第二备选特征集的并集；
从所述第一备选特征集和所述第二备选特征集的并集中多次选取预设比例的特征和样本组成新的备选样本，对所述新的备选样本分别进行逻辑回归建模，并使用stepwise进行双向选择挑选每个所述新的备选样本的特征集，对每个所述新的备选样本的特征集分别进行逻辑回归模型的交叉验证，计算每个所述新的备选样本的特征集的平均AUC和平均KS以及AUC标准差和KS标准差，按照预设特征集挑选标准进行特征集选择，得到新的特征集；
对所述新的特征集进行全排列组合获取N个特征集，对所述N个特征集中的每个特征集分别进行逻辑回归建模，获得N个训练模型；
利用所述测试样本对所述N个训练模型分别进行测试，得到每个所述训练模型对应的AUC和KS，根据每个所述训练模型对应的AUC和KS选择出最终模型。
2.根据权利要求1所述的方法，其特征在于，所述利用二分法对已排序的特征进行初步筛选，将符合第一规则的特征作为第一备选特征集包括：
先选前一半的变量用随机森林算法建模获得AUC和KS，再跟初始模型的AUC和KS进行比较，下降量大于阈值时，增加特征；下降量小于等于阈值时，减少特征；直到确定最佳位置获得所述第一备选特征集。
3.根据权利要求1所述的方法，其特征在于，所述对所述训练样本的特征进行聚类分析，将符合第二规则的特征作为第二备选特征集包括：
所述对所述训练样本的特征进行聚类分析，计算所述训练样本的IV值，选出me类中IV值最高的前M个特征作为所述第二备选特征集，其中，M为预设个数。
4.根据权利要求1所述的方法，其特征在于，所述预设特征集挑选标准包括满足以下条件至少之一的一个或多个特征集的并集或交集：
最大平均AUC；
最大平均KS；和
AUC和KS组成的综合指标(d*AUC+a*KS-b*AUC_sd-c*KS_sd)；其中：a，b，c，d分别为预设值。
5.根据权利要求1所述的方法，其特征在于，所述交叉验证包括：5折交叉。
6.一种风控模型的特征选择装置，其特征在于，包括：
样本获取模块，用于获取建模样本，将所述建模样本分为训练样本和测试样本；
第一备选特征集获取模块，用于利用随机森林算法对所述训练样本进行训练获得初始模型AUC和KS以及特征重要度排序，利用二分法对已排序的特征进行初步筛选，将符合第一规则的特征作为第一备选特征集；
第二备选特征集获取模块，用于对所述训练样本的特征进行聚类分析，将符合第二规则的特征作为第二备选特征集；
并集获取模块，用于获取所述第一备选特征集和所述第二备选特征集的并集；
新的特征集获取模块，用于从所述第一备选特征集和所述第二备选特征集的并集中多次选取预设比例的特征和样本组成新的备选样本，对所述新的备选样本分别进行逻辑回归建模，并使用stepwise进行双向选择挑选每个所述新的备选样本的特征集，对每个所述新的备选样本的特征集分别进行逻辑回归模型的交叉验证，计算每个所述新的备选样本的特征集的平均AUC和平均KS以及AUC标准差和KS标准差，按照预设特征集挑选标准进行特征集选择，得到新的特征集；
训练模块，用于对所述新的特征集进行全排列组合获取N个特征集，对所述N个特征集中的每个特征集分别进行逻辑回归建模，获得N个训练模型；
测试模块，用于利用所述测试样本对所述N个训练模型分别进行测试，得到每个所述训练模型对应的AUC和KS，根据每个所述训练模型对应的AUC和KS选择出最终模型。
7.根据权利要求6所述的装置，其特征在于，所述第一备选特征集获取模块通过如下方式利用二分法对已排序的特征进行初步筛选，将符合第一规则的特征作为第一备选特征集：
所述第一备选特征集获取模块，具体用于先选前一半的变量用随机森林算法建模获得AUC和KS，再跟初始模型的AUC和KS进行比较，下降量大于阈值时，增加特征；下降量小于等于阈值时，减少特征；直到确定最佳位置获得所述第一备选特征集。
8.根据权利要求6所述的装置，其特征在于，所述第二备选特征集获取模块通过如下方式对所述训练样本的特征进行聚类分析，将符合第二规则的特征作为第二备选特征集：
所述第二备选特征集获取模块，具体用于对所述训练样本的特征进行聚类分析，计算所述训练样本的IV值，选出me类中IV值最高的前M个特征作为所述第二备选特征集，其中，M为预设个数。
9.根据权利要求6所述的装置，其特征在于，所述预设特征集挑选标准包括满足以下条件至少之一的一个或多个特征集的并集或交集：
最大平均AUC；
最大平均KS；和
AUC和KS组成的综合指标(d*AUC+a*KS-b*AUC_sd-c*KS_sd)；其中：a，b，c，d分别为预设值。
10.根据权利要求6所述的装置，其特征在于，所述交叉验证包括：5折交叉。
CN201910501554.2A 2019-06-11 2019-06-11 一种风控模型的特征选择方法及装置 Pending CN110298390A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910501554.2A CN110298390A (zh) 2019-06-11 2019-06-11 一种风控模型的特征选择方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910501554.2A CN110298390A (zh) 2019-06-11 2019-06-11 一种风控模型的特征选择方法及装置

Publications (1)

Publication Number Publication Date
CN110298390A true CN110298390A (zh) 2019-10-01

Family

ID=68027907

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910501554.2A Pending CN110298390A (zh) 2019-06-11 2019-06-11 一种风控模型的特征选择方法及装置

Country Status (1)

Country Link
CN (1) CN110298390A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111861704A (zh) * 2020-07-10 2020-10-30 深圳无域科技技术有限公司 风控特征生成方法及系统
CN112580268A (zh) * 2021-02-25 2021-03-30 上海冰鉴信息科技有限公司 基于业务处理的机器学习模型选择方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111861704A (zh) * 2020-07-10 2020-10-30 深圳无域科技技术有限公司 风控特征生成方法及系统
CN112580268A (zh) * 2021-02-25 2021-03-30 上海冰鉴信息科技有限公司 基于业务处理的机器学习模型选择方法及装置

Similar Documents

Publication Publication Date Title
US10970431B2 (en) Automated model development process
CN110689070B (zh) 一种业务预测模型的训练方法及装置
US6944607B1 (en) Aggregated clustering method and system
CN112364584B (zh) 一种基于分布式的静态时序分析方法
CN108573355A (zh) 模型更新后替换运行的方法、装置、及业务服务器
CN106203485A (zh) 一种支持向量机的并行训练方法及装置
CN110298390A (zh) 一种风控模型的特征选择方法及装置
CN113177585B (zh) 一种用户分类方法、装置、电子设备及存储介质
Lorentzen et al. Peeking into the black box: An actuarial case study for interpretable machine learning
CN105550393A (zh) 一种支持方案快速生成的枪械变型设计方法
CN111882426A (zh) 业务风险分类器训练方法、装置、设备及存储介质
US20170257291A1 (en) Node-centric analysis of dynamic networks
CN104021002B (zh) 一种pdm系统标准件存储方法
CN110362854B (zh) 一种故障树图形化建模节点布局的自动处理方法、装置
Ebnerasoul et al. A collective efficacy-based approach for bi-objective sustainable project portfolio selection using interdependency network model between projects
US20220027739A1 (en) Search space exploration for deep learning
KR101623113B1 (ko) 의사 결정 트리의 학습과 분류를 위한 장치 및 그 방법
Salih et al. C4. 5 versus other decision trees: A review
CN109784286A (zh) 基于多目标模因优化算法的遥感影像空谱非监督分类方法
CN114757397A (zh) 一种坏料预测方法、坏料预测装置及电子设备
CN111984637A (zh) 数据建模中的缺失值处理方法和装置、设备及存储介质
CN107368853A (zh) 基于机器学习的电网项目分类确定方法及装置
Jenul et al. Ranking Feature-Block Importance in Artificial Multiblock Neural Networks
Tyagi et al. An extension of interpretive structural modeling using linguistic term sets for business decision-making
JP6536264B2 (ja) グループ分け処理方法、グループ分け処理プログラムおよび情報処理装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20191001