风控模型的建模方法、电子设备和计算机可读介质与流程
本申请实施例涉及机器学习,具体涉及风控模型的建模方法、电子设备和计算机可读介质。
背景技术:
1、金融风控是金融行业风险管控的核心环节,信贷审批、反欺诈交易检测等关键业务均依赖高质量的风控模型实现风险识别与量化。风控建模是一项多环节、高专业性的系统工程,其质量直接决定了金融机构的风险防控能力和业务运营效率。
2、现有技术中,风控模型的全流程构建工作均需由具备专业资质和丰富经验的风控工程师手动完成,导致风控建模高度依赖工程师驻场服务,存在人力成本高、建模效率低、用户无法自主完成建模的问题。
技术实现思路
1、本申请实施例提出了风控模型的建模方法、电子设备和计算机可读介质,能够提高风控模型的建模效率,并降低风控模型建模的人力成本及操作门槛。
2、第一方面,本申请实施例提供了一种风控模型的建模方法,包括:接收用户通过自然语言输入的建模需求,根据所述建模需求获取建模意图信息,所述建模意图信息是与模型训练相关的信息;对原始风控数据进行预处理,得到目标风控数据;基于所述目标风控数据和所述建模意图信息对初始模型进行训练,得到初始风控模型;对所述初始风控模型进行迭代调优,得到目标风控模型。
3、第二方面,本申请实施例提供了一种风控模型的建模装置,该装置包括:获取单元,用于接收用户通过自然语言输入的建模需求,根据所述建模需求获取建模意图信息,所述建模意图信息是与模型训练相关的信息;预处理单元,用于对原始风控数据进行预处理,得到目标风控数据;模型训练单元,用于基于所述目标风控数据和所述建模意图信息对初始模型进行训练,得到初始风控模型;模型调优单元,用于对所述初始风控模型进行迭代调优,得到目标风控模型。
4、第三方面,本申请实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如第一方面中任一实施例所描述的方法。
5、第四方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面中任一实施例所描述的方法。
6、本申请实施例提供的风控模型的建模方法、电子设备和计算机可读介质,通过接收用户通过自然语言输入的建模需求,根据建模需求获取建模意图信息,替代了传统风控工程师与客户面对面的需求沟通环节,无需风控工程师驻场即可准确解析用户的建模需求,解决了风控建模对工程师驻场的依赖问题;通过对原始风控数据预处理、模型训练及迭代调优的全流程操作,可降低对风控工程师的依赖,从而提高了风控模型的建模效率,降低了风控模型建模的人力成本及操作门槛。
1.一种风控模型的建模方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述对原始风控数据进行预处理,得到目标风控数据,包括:
3.根据权利要求1或2所述的方法,其特征在于,所述基于所述目标风控数据和所述建模意图信息对初始模型进行训练,得到初始风控模型,包括:
4.根据权利要求3所述的方法,其特征在于,所述基于所述目标风控数据和所述建模意图信息,生成目标建模配置文件,包括:
5.根据权利要求3所述的方法,其特征在于,所述建模意图信息中包括超参数搜索模式,所述超参数搜索模式为第一模式或第二模式,所述第一模式为对第一超参数空间进行搜索的模式,所述第二模式为对第二超参数空间进行搜索的模式,所述第二超参数空间为所述第一超参数空间的子集;所述获取模型训练使用的超参数,包括:
6.根据权利要求3所述的方法,其特征在于,所述建模意图信息中包括特征列表,所述特征列表中包括多个特征项的名称;所述基于所述超参数、所述训练样本集和所述目标建模配置文件,对初始模型进行训练,得到初始风控模型,包括:
7.根据权利要求6所述的方法,其特征在于,所述训练样本集中的训练样本来自多个数据源,所述超参数包括多组;所述基于所述超参数、所述训练样本集中各样本的目标特征和所述目标建模配置文件,对初始模型进行训练,得到初始风控模型,包括:
8.根据权利要求6所述的方法,其特征在于,所述对所述初始风控模型进行迭代调优,得到目标风控模型,包括:
9.根据权利要求1所述的方法,其特征在于,在所述得到目标风控模型之后,所述方法还包括:
10.一种电子设备,其特征在于,包括:处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1-9任一项所述的方法。
11.一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-9中任一所述的方法。
12.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1-9中任一所述的方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com