一种模型训练方法、装置及电子设备.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114862550A(43)申请公布日2022.08.05(21)申请号202210443867.9(22)申请日2022.04.26(71)申请人猎鹰智能科技（杭州）有限公司地址311121浙江省杭州市余杭区余杭街道文一西路1818-2号5幢307室(72)发明人樊婷婷刘振山高亚萌(74)专利代理机构杭州浙言专利代理事务所(普通合伙)33370专利代理师顾传虎(51)Int.Cl.G06Q40/02(2012.01)G06N20/00(2019.01)权利要求书2页说明书6页附图1页(54)发明名称一种模型训练方法、装置及电子设备(57)摘要本发明公开了一种模型训练方法，所述方法包括：获取客户多个维度的特征数据，其中，所述多个维度的特征数据包括客户的基本属性数据、产品持有数据、资产信息数据、贷款信息数据和交易信息数据；将第一观察期内的所述多个维度的特征数据作为建模变量，获取第一表现期内客户的行为结果作为预测标签对待训练的第一模型、第二模型和第三模型中进行训练和测试，获得已训练的第一模型、已训练的第二模型和已训练的第三模型。CN114862550ACN114862550A权利要求书1/2页1.一种模型训练方法，其特征是，所述方法包括：获取客户多个维度的特征数据，其中，所述多个维度的特征数据包括客户的基本属性数据、产品持有数据、资产信息数据、贷款信息数据和交易信息数据；将第一观察期内的所述多个维度的特征数据作为建模变量，获取第一表现期内客户的行为结果作为预测标签对待训练的第一模型、第二模型和第三模型中进行训练和测试，获得已训练的第一模型、已训练的第二模型和已训练的第三模型。2.根据权利要求1所述的模型训练方法，其特征是，所述方法还包括：以客户的基本属性数据作为基础表，将产品持有数据、资产信息数据、贷款信息数据和交易信息数据合并至所述基础表中。3.根据权利要求1所述的模型训练方法，其特征是，所述方法还包括：对所述多个维度的特征数据进行数据处理，其中，所述数据处理包括对所述多个维度的特征数据中离散型变量进行哑变量编码，对所述多个维度的特征数据中所有变量进行max‑min归一化处理获得标准化数据。4.根据权利要求3所述的模型训练方法，其特征是，对所述多个维度的特征数据进行数据处理之前，对所述多个维度的特征数据中离散型变量的缺失以“缺失“进行标记，对所述多个维度的特征数据中连续型变量的缺失用0进行填充。5.根据权利要求3所述的模型训练方法，其特征是，所述方法还包括：将所述标准化数据划分为训练集和预测集；将所述训练集输入至待训练的第一模型、第二模型和第三模型中进行训练和测试，获得已训练的第一模型、已训练的第二模型和已训练的第三模型，其中，所述第一模型为逻辑回归模型，所述第二模型为决策树模型、所述第三模型为随机森林模型；将所述预测集输入所述已训练的第一模型、所述已训练的第二模型和所述已训练的第三模型获得三个预测结果；将三个所述预测结果均为正的客户认定为潜力客户。6.根据权利要求5所述的的模型训练方法，其特征是，所述方法还包括：将所述潜力客户从年龄、转账次数和AUM三个维度特征进行分群匹配营销策略。7.一种模型训练装置，其特征是，所述装置包括：第一获取单元，用于获取客户多个维度的特征数据，其中，所述多个维度的特征数据包括客户的基本属性数据、产品持有数据、资产信息数据、贷款信息数据和交易信息数据；第一训练单元，用于将第一观察期内的所述多个维度的特征数据作为建模变量，获取第一表现期内客户的行为结果作为预测标签对待训练的第一模型、第二模型和第三模型中进行训练和测试，获得已训练的第一模型、已训练的第二模型和已训练的第三模型。8.一种电子设备，其特征是，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、待码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器执行以实现如权利要求1‑6任一项所述的模型训练方法。9.一种计算机可读存储介质，其特征是，所述计算机可读存储介质中存储有2CN114862550A权利要求书2/2页至少一条指令、至少一段程序、待码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器执行以实现如权利要求1‑6任一项所述的模型训练方法。3CN114862550A说明书1/6页一种模型训练方法、装置及电子设备技术领域[0001]本申请涉及机器学习领域，尤其涉及一种模型训练方法、装置及电子设备。背景技术[0002]随着国内对信贷行业监管越来越严，大量有贷款需求的客户涌入银行市场，银行间争夺贷款客户和扩大市场份额的竞争日益激烈。如果盲目的推销贷款产品，会使得客户觉得生活被骚扰，生出反感，以客户服务为中心的