一种模型更新的方法和装置制造方法及图纸

本申请提供一种模型更新的方法和装置。模型更新的方法包括：在获取到新的还款数据时，获取待更新的训练样本集和根据所述训练样本集训练得到的模型；所述训练样本集中包括多个客户的还款信息，及每个客户的客户评估值；根据所述还款数据对所述训练样本集进行更新，得到更新的训练样本集；基于所述更新的训练样本集对所述模型进行训练，得到更新好的模型。该模型更新的方法提高了模型的准确性和适用性。

A method and device of model updating

【技术实现步骤摘要】
一种模型更新的方法和装置
本申请涉及计算机领域，具体而言，涉及一种模型更新的方法和装置。
技术介绍
随着金融科技技术的发展，越来越多的金融机构引入机器学习的方法建立信用评分模型来逐步代替人工审批的方式，以期达到降低人工成本、提高工作效率、排除人为不稳定因素的目的。然而，常规的训练模型的方法，是将历史的数据集作为样本，对模型进行训练，所得到的模型并不能适应于数据的不断变化，因此，模型的准确性和适用性较低。
技术实现思路
本申请实施例的目的在于提供一种模型更新的方法和装置，用以提高模型的准确性和适用性。第一方面，本申请实施例提供一种模型更新的方法，包括：在获取到新的还款数据时，获取待更新的训练样本集和根据所述训练样本集训练得到的模型；所述训练样本集中包括多个客户的还款信息，及每个客户的客户评估值；根据所述还款数据对所述训练样本集进行更新，得到更新的训练样本集；基于所述更新的训练样本集对所述模型进行训练，得到更新好的模型。在本申请实施例中，每当获取到有新的还款数据时，根据还款数据对训练样本集进行更新，再基于更新的训练样本集对模型进行训练，进而实现模型的更新。与现有技术相比，当获取到还款数据时，就会基于还款数据更新训练样本集，通过更新的训练样本集再次对模型进行训练，使得到的模型能够适应于数据的变化，提高了模型的准确性和适用性。作为一种可能的实现方式，所述客户评估值设置有惩罚权重，所述惩罚权重用于表征所述客户评估值的正确性；在根据所述还款数据对所述训练样本集进行更新，得到更新的训练样本集之后，所述方法还包括：基于所述更新的训练样本集，更新所述惩罚权重；对应的，基于所述更新的训练样本集对所述模型进行训练，得到更新好的模型，包括：基于所述更新的训练样本集、更新的惩罚权重对所述模型进行训练，得到更新好的模型。在本申请实施例中，训练样本集中的客户评估值设置有用于表征所述客户评估值的正确性的惩罚权重，当训练样本集更新后，同时也对该惩罚权重进行更新，在训练时，基于更新的惩罚权重一并进行训练。进而能够有效的捕捉到客户评估值的数据漂移的特征，并及时的更新到模型中。作为一种可能的实现方式，基于所述更新的训练样本集，更新所述惩罚权重，包括：根据所述更新的训练样本集中各个客户评估值更新的时间对所述各个客户评估值进行更新时间排序；根据所述更新时间排序更新所述惩罚权重。在本申请实施例中，通过时间排序法确定惩罚权重，不仅简单，且能够体现时间对数据漂移的影响，因此能够实现简单有效的确定惩罚权重。作为一种可能的实现方式，所述还款信息设置有漂移权重，所述漂移权重用于表征所述还款信息的稳定性；在根据所述还款数据对所述训练样本集进行更新，得到更新的训练样本集之后，所述方法还包括：基于所述更新的训练样本集，更新所述漂移权重；对应的，基于所述更新的训练样本集对所述模型进行训练，得到更新好的模型，包括：基于所述更新的训练样本集、更新的漂移权重对所述模型进行训练，得到更新好的模型。在本申请实施例中，训练样本集中的还款信息设置有漂移权重，在训练样本集更新后，还可以对该漂移权重进行更新，在训练时，基于更新的漂移权重一并进行训练。进而能够有效的捕捉到还款信息的数据漂移的特征，并及时的更新到模型中。作为一种可能的实施方式，每个客户的还款信息中包括多个还款特征，基于所述更新的训练样本集，更新所述漂移权重，包括：获取每个还款特征在所述多个还款特征的预期占比和实际占比；根据所述预期占比和所述实际占比更新每个所述还款特征的漂移权重。在本申请实施例中，通过预期占比和实际占比更新漂移权重，简单有效的实现漂移权重的更新。作为一种可能的实现方式，所述客户评估值设置有惩罚权重，所述惩罚权重用于表征所述客户评估值的正确性；所述还款信息设置有漂移权重，所述漂移权重用于表征所述还款信息的稳定性；在根据所述还款数据对所述训练样本集进行更新，得到更新的训练样本集之后，所述方法还包括：基于所述更新的训练样本集，更新所述惩罚权重；基于所述更新的训练样本集，更新所述漂移权重；对应的，基于所述更新的训练样本集对所述模型进行训练，得到更新好的模型，包括：基于所述更新的训练样本集、更新的惩罚权重、更新的漂移权重对所述模型进行训练，得到更新好的模型。在本申请实施例中，惩罚权重和漂移权重还可以同时设置，在得到更新的训练样本集后，同时对惩罚权重和漂移权重进行更新，并进行模型的训练，进而能够将还款信息和客户评估值的数据漂移特征都及时的更新到模型中。作为一种可能的实现方式，根据所述还款数据对所述训练样本集进行更新，得到更新的训练样本集，包括：根据所述还款数据对与所述还款数据相关的客户的所述还款信息以及所述客户评估值进行更新；将所述相关的客户的更新的所述还款信息以及所述客户评估值加入到所述训练样本集中，得到所述更新的训练样本集。在本申请实施例中，在更新训练样本集时，可以直接基于原有的还款信息和客户评估值进行扩充，扩大训练样本集的数据量，进而可以根据扩大数据量的训练样本集实现模型的更新。作为一种可能的实现方式，根据所述还款数据对所述训练样本集进行更新，得到更新的训练样本集，包括：根据所述还款数据对与所述还款数据相关的客户的所述还款信息以及所述客户评估值进行更新；将所述相关的客户的更新的还款信息替换所述训练样本集中的所述相关的客户的初始的还款信息；以及将所述相关的客户的更新的客户评估值替换所述训练样本集中的所述相关的客户的初始的客户评估值，得到所述更新的训练样本集。在本申请实施例中，在更新训练样本集时，可以将还款数据涉及到的还款信息和客户评估值直接替换掉，使训练样本集中的相关的数据得到更新，进而可以根据更新数据的训练样本集实现模型的更新。作为一种可能的实现方式，基于所述更新的训练样本集对所述模型进行训练，得到更新好的模型，包括：基于所述更新的训练样本集中的新增数据对所述模型进行训练，得到更新好的模型。在本申请实施例中，在进行训练时，可以只基于有变化的样本进行训练，使更新时的训练样本数量少一些，但是更具有代表性，并且节约训练时间，提高模型更新的效率。第二方面，本申请实施例提供一种模型更新的装置，该模型更新的装置包括用于实现第一方面以及第一方面的任意可能的实现方式中所述的方法的各个功能模块。第三方面，本申请实施例提供一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被计算机运行时执行如第一方面的以及第一方面的任意可能的实现方式中所述的方法中的步骤。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，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相关的附图。图1为本申请实施例提供的模型更新的方法的流程图；图2为本申请实施例提供的第一种权重衰减函数示意图；图3为本申请本文档来自技高网...

【技术保护点】
1.一种模型更新的方法，其特征在于，包括：/n在获取到新的还款数据时，获取待更新的训练样本集和根据所述训练样本集训练得到的模型；所述训练样本集中包括多个客户的还款信息，及每个客户的客户评估值；/n根据所述还款数据对所述训练样本集进行更新，得到更新的训练样本集；/n基于所述更新的训练样本集对所述模型进行训练，得到更新好的模型。/n

【技术特征摘要】
1.一种模型更新的方法，其特征在于，包括：
在获取到新的还款数据时，获取待更新的训练样本集和根据所述训练样本集训练得到的模型；所述训练样本集中包括多个客户的还款信息，及每个客户的客户评估值；
根据所述还款数据对所述训练样本集进行更新，得到更新的训练样本集；
基于所述更新的训练样本集对所述模型进行训练，得到更新好的模型。


2.根据权利要求1所述的方法，其特征在于，所述客户评估值设置有惩罚权重，所述惩罚权重用于表征所述客户评估值的正确性；在根据所述还款数据对所述训练样本集进行更新，得到更新的训练样本集之后，所述方法还包括：
基于所述更新的训练样本集，更新所述惩罚权重；
对应的，基于所述更新的训练样本集对所述模型进行训练，得到更新好的模型，包括：
基于所述更新的训练样本集、更新的惩罚权重对所述模型进行训练，得到更新好的模型。


3.根据权利要求2所述的方法，其特征在于，基于所述更新的训练样本集，更新所述惩罚权重，包括：
根据所述更新的训练样本集中各个客户评估值更新的时间对所述各个客户评估值进行更新时间排序；
根据所述更新时间排序更新所述惩罚权重。


4.根据权利要求1所述的方法，其特征在于，所述还款信息设置有漂移权重，所述漂移权重用于表征所述还款信息的稳定性；在根据所述还款数据对所述训练样本集进行更新，得到更新的训练样本集之后，所述方法还包括：
基于所述更新的训练样本集，更新所述漂移权重；
对应的，基于所述更新的训练样本集对所述模型进行训练，得到更新好的模型，包括：
基于所述更新的训练样本集、更新的漂移权重对所述模型进行训练，得到更新好的模型。


5.根据权利要求4所述的方法，其特征在于，每个客户的还款信息中包括多个还款特征，基于所述更新的训练样本集，更新所述漂移权重，包括：
获取每个还款特征在所述多个还款特征中的预期占比和实际占比；
根据所述预期占比和所述实际占比更新每个所述还款特征的漂移权重。


6.根据权利要求1所述的方法，其特征在于，所述客户评估值设置有惩罚权重，所述惩罚权重用...

【专利技术属性】
技术研发人员：张杰，吴信东，
申请(专利权)人：北京明略软件系统有限公司，
类型：发明
国别省市：北京;11