一种信用卡分期业务目标客户预测方法及装置与流程

技术特征：
1.一种信用卡分期业务目标客户预测方法，其特征在于，包括：获取信用卡分期业务关联数据；所述信用卡分期业务关联数据包括客户信息、信用卡信息和交易信息；输入所述信用卡分期业务关联数据至预设信用卡分期业务目标客户预测模型；并将所述预设信用卡分期业务目标客户预测模型的输出结果作为信用卡分期业务目标客户的预测结果；其中，所述预设信用卡分期业务目标客户预测模型是预先根据预设模型评价指标评价单模型得到评价结果，并根据所述评价结果选择的二分类算法模型。2.根据权利要求1所述的信用卡分期业务目标客户预测方法，其特征在于，所述评价结果包括评价得分；相应的，所述预设信用卡分期业务目标客户预测模型的构建过程，包括：根据预设模型评价指标对各单模型的输出结果进行评价，选择评价得分靠前的n个候选单模型；其中n大于等于2；将n个候选单模型进行全排列组合融合，得到m个集成模型；根据预设模型评价指标对各集成模型的输出结果进行评价，得到m个集成模型评价得分；在m个集成模型评价得分，以及n个候选单模型评价得分中选择一个最高评价得分对应的模型作为所述预设信用卡分期业务目标客户预测模型。3.根据权利要求2所述的信用卡分期业务目标客户预测方法，其特征在于，在所述获取信用卡分期业务关联数据的步骤之前，所述信用卡分期业务目标客户预测方法包括：选择训练样本数据对所述单模型和所述集成模型进行训练。4.根据权利要求3所述的信用卡分期业务目标客户预测方法，其特征在于，所述选择训练样本数据对所述单模型和所述集成模型进行训练，包括：选择训练样本数据，并利用搜索网格法对所述单模型和所述集成模型进行训练。5.根据权利要求1所述的信用卡分期业务目标客户预测方法，其特征在于，所述二分类算法模型包括随机森林、xgboost和lightgbm中的其中一种。6.根据权利要求2所述的信用卡分期业务目标客户预测方法，其特征在于，在执行所述构建过程的步骤之前，对训练样本数据做欠采样或过采样处理。7.根据权利要求1至6任一所述的信用卡分期业务目标客户预测方法，其特征在于，所述信用卡分期业务目标客户预测方法包括：预先对训练样本数据进行数据预处理，具体包括：生成针对所述训练样本数据的描述性信息，以根据所述描述性信息标记所述训练样本数据；对所述训练样本数据进行显著性检验，得到有显著性影响的候选训练样本数据；对所述候选训练样本数据进行相关性筛选，得到有区分能力的目标训练样本数据。8.一种信用卡分期业务目标客户预测装置，其特征在于，包括：获取单元，用于获取信用卡分期业务关联数据；所述信用卡分期业务关联数据包括客户信息、信用卡信息和交易信息；输入单元，用于输入所述信用卡分期业务关联数据至预设信用卡分期业务目标客户预测模型；并将所述预设信用卡分期业务目标客户预测模型的输出结果作为信用卡分期业务
目标客户的预测结果；其中，所述预设信用卡分期业务目标客户预测模型是预先根据预设模型评价指标评价单模型得到评价结果，并根据所述评价结果选择的二分类算法模型。9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。

技术总结
本发明提供一种信用卡分期业务目标客户预测方法及装置，涉及数据处理技术领域，可用于金融领域或其他技术领域。所述方法包括：获取信用卡分期业务关联数据；所述信用卡分期业务关联数据包括客户信息、信用卡信息和交易信息；输入所述信用卡分期业务关联数据至预设信用卡分期业务目标客户预测模型；并将所述预设信用卡分期业务目标客户预测模型的输出结果作为信用卡分期业务目标客户的预测结果。所述装置执行上述方法。本发明实施例提供的信用卡分期业务目标客户预测方法及装置，不但能够准确地预测出对信用卡分期业务有需求的目标客户，也节约了人力，提高了预测目标客户的工作效率。效率。效率。


技术研发人员：李悦
受保护的技术使用者：中国工商银行股份有限公司
技术研发日：2022.03.15
技术公布日：2022/6/4