一种基于随机寻优的迭代式评分模型建立与优化方法技术

本发明专利技术提供一种基于随机寻优的迭代式评分模型建立与优化方法，该方法包括：获取训练相关数据，基于所述训练相关数据获取训练数据样本；其中，所述训练相关数据包括司法数据、工商数据、银行数据、征信数据和税务数据中的一种或多种；随机对所述训练数据样本中的各变量分别多次赋予初始权重，得到多组初始变量权重；对所述多组初始变量权重进行组合和筛选，经多次迭代后，得到各变量的最优变量权重；并且该方法能够自适应地调整优化方法，不存在连续性、可微性等限制，且具备内在的并行性和更好的全局寻优的能力，可以容纳更多变量，可承载更多的信息量，大幅度提高算法效率。

An iterative scoring model and optimization method based on stochastic optimization

【技术实现步骤摘要】
一种基于随机寻优的迭代式评分模型建立与优化方法
本专利技术涉及资源分配
，尤其涉及一种基于随机寻优的迭代式评分模型建立与优化方法。
技术介绍
现有对资源进行分配时，在接收到资源申请方的资源分配请求后，为了确保资源分配的安全性及资源分配的准确性，需要首先对资源申请方进行客观评价。
技术实现思路
有鉴于此，本专利技术的目的在于提出一种基于随机寻优的迭代式评分模型建立与优化方法，以客观评价资源申请方。基于上述目的，本专利技术提供了一种基于随机寻优的迭代式评分模型建立与优化方法，该方法包括：获取训练相关数据，基于所述训练相关数据获取训练数据样本；其中，所述训练相关数据包括司法数据、工商数据、银行数据、征信数据和税务数据中的一种或多种；随机对所述训练数据样本中的各变量分别多次赋予初始权重，得到多组初始变量权重；对所述多组初始变量权重进行组合和筛选，经多次迭代后，得到各变量的最优变量权重。可选地，所述对所述多组初始变量权重进行组合和筛选，经多次迭代后，得到各变量的最优变量权重，包括：对所述多组初始变量权重进行随机变换，得到多组备选变量权重；对所述多组备选变量权重进行优胜劣汰，得到多组优选变量权重；判断是否达到停止迭代的条件；若是，则基于所述多组优选变量权重，得到各变量的最优变量权重；若否，则重复上述步骤，循环进行多次迭代，直至达到停止迭代的条件，得到各变量的最优变量权重。可选地，所述对所述多组初始变量权重进行随机变换，包括：随机选取两组初始变量权重，分别在所述两组初始变量权重中随机选取部分变量权重进行组间部分变量权重互换，得到备选变量权重；或，随机选取单组初始变量权重，在所述单组初始变量权重内随机进行组内变量权重互换，得到备选变量权重；或，随机选取单组初始变量权重，在所述单组初始变量权重内随机选取部分变量权重进行组内部分变量权重反转，得到备选变量权重。可选地，所述对所述多组备选变量权重进行优胜劣汰，得到多组优选变量权重，包括：基于所述多组备选变量权重，分别确定与所述多组备选变量权重对应的训练数据样本得分；基于所述训练数据样本得分，分别确定与所述训练数据样本得分对应的多组备选变量权重AR值；基于多次迭代过程中获得的所有单组备选变量权重AR值，确定AR值下限；由所述多组备选变量权重AR值中，选择单组备选变量权重AR值大于或等于AR值下限的单组备选变量权重组成多组优选变量权重。可选地，所述基于多次迭代过程中获得的所有单组备选变量权重AR值，确定AR值下限，包括：将多次迭代过程中获得的所有单组备选变量权重AR值进行降序排列；根据预设比例，在降序排列后的所有单组备选变量权重AR值中选择优选AR值集合；基于所述优选AR值集合，确定优选AR值的平均值作为AR值下限。可选地，所述判断是否达到停止迭代的条件，包括：判断是否达到迭代次数阈值；若是，则判定达到停止迭代的条件；若否，则判定未达到停止迭代的条件；或，判断是否达到收敛条件；若是，则判定达到停止迭代的条件；若否，则判定未达到停止迭代的条件。可选地，所述收敛条件为本次迭代中确定的AR值下限与上次迭代中确定的AR值下限的差值的绝对值小于或等于预设差值阈值。可选地，所述方法还包括：接收资源申请方发送的资源分配请求；基于所述资源申请方的资源分配请求，获取所述资源申请方的相关数据；其中，所述相关数据包括司法数据、工商数据、银行数据、征信数据和税务数据中的一种或多种；对所述资源申请方的相关数据进行加工，得所述资源申请方的待测数据样本；基于所述待测数据样本和各变量的最优变量权重，确定所述资源申请方的评分；基于所述资源申请方的评分，确定针对所述资源申请方的资源分配结果。从上面所述可以看出，本专利技术提供的基于随机寻优的迭代式评分模型建立与优化方法，该方法通过获取训练相关数据，然后对训练相关数据进行处理获得训练数据样本，对训练数据样本中的各变量分别多次赋予初始权重获得多组初始变量权重，最后对多组初始变量权重进行多次组合和筛选，获得各变量权重的最优变量权重；通过获取训练数据样本，然后随机对训练数据样本中包括的所有变量赋予多组初始变量权重，并通过筛选获得各变量的最优变量权重，以便获得的各变量的最优变量权重更为客观准确；并且该方法能够自适应地调整优化方法，不存在连续性、可微性等限制，且具备内在的并行性和更好的全局寻优的能力，可以容纳更多变量，可承载更多的信息量，大幅度提高算法效率。该方法还通过接收资源分配请求，然后基于资源分配请求获取资源申请方的相关数据，并通过对资源申请方的相关进行加工，得资源申请方的待测数据样本，最后通过资源申请方的待测数据样本和各变量的最优变量权重，确定资源申请方的评分；通过利用获得的资源申请方的待测数据样本和预先确定的各变量的最优变量权重，能够客观评价资源申请方，提高资源分配的安全性和准确性。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术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专利技术的一些实施例，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的附图。图1为本专利技术实施例提供的基于随机寻优的迭代式评分模型建立与优化方法的流程示意图；图2为本专利技术实施例提供的一种资源分配方法。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本专利技术进一步详细说明。需要说明的是，除非另外定义，本专利技术实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。现有对资源进行分配时，在接收到资源申请方的资源分配请求后，为了确保资源分配的安全性及资源分配的准确性，需要首先对资源申请方进行客观评价。为了解决上述问题，本专利技术提供了一种基于随机寻优的迭代式评分模型建立与优化方法，通过获取训练相关数据，然后对训练相关数据进行处理获得训练数据样本，对训练数据样本中的各变量分别多次赋予初始权重获得多组初始变量权重，最后对多组初始变量权重进行多次组合和筛选，获得各变量权重的最优变量权重。该方法可以应用于手机、平板电脑等各种电子设备，具体不做限定。该方法中提及的资源可以是信贷资源，提及的业务可以是信贷业务，具体不做限定。为了便于理解，下面结合附图对该基于随机寻优的迭代式评分模型建立与优化方法进行详细说明。图1为本专利技术本文档来自技高网...

【技术保护点】
1.一种基于随机寻优的迭代式评分模型建立与优化方法，其特征在于，所述方法包括：/n获取训练相关数据，基于所述训练相关数据获取训练数据样本；其中，所述训练相关数据包括司法数据、工商数据、银行数据、征信数据和税务数据中的一种或多种；/n随机对所述训练数据样本中的各变量分别多次赋予初始权重，得到多组初始变量权重；/n对所述多组初始变量权重进行组合和筛选，经多次迭代后，得到各变量的最优变量权重。/n

【技术特征摘要】
1.一种基于随机寻优的迭代式评分模型建立与优化方法，其特征在于，所述方法包括：
获取训练相关数据，基于所述训练相关数据获取训练数据样本；其中，所述训练相关数据包括司法数据、工商数据、银行数据、征信数据和税务数据中的一种或多种；
随机对所述训练数据样本中的各变量分别多次赋予初始权重，得到多组初始变量权重；
对所述多组初始变量权重进行组合和筛选，经多次迭代后，得到各变量的最优变量权重。


2.根据权利要求1所述的基于随机寻优的迭代式评分模型建立与优化方法，其特征在于，所述对所述多组初始变量权重进行组合和筛选，经多次迭代后，得到各变量的最优变量权重，包括：
对所述多组初始变量权重进行随机变换，得到多组备选变量权重；
对所述多组备选变量权重进行优胜劣汰，得到多组优选变量权重；
判断是否达到停止迭代的条件；
若是，则基于所述多组优选变量权重，得到各变量的最优变量权重；
若否，则重复上述步骤，循环进行多次迭代，直至达到停止迭代的条件，得到各变量的最优变量权重。


3.根据权利要求2所述的基于随机寻优的迭代式评分模型建立与优化方法，其特征在于，所述对所述多组初始变量权重进行随机变换，包括：
随机选取两组初始变量权重，分别在所述两组初始变量权重中随机选取部分变量权重进行组间部分变量权重互换，得到备选变量权重；
或，
随机选取单组初始变量权重，在所述单组初始变量权重内随机进行组内变量权重互换，得到备选变量权重；
或，
随机选取单组初始变量权重，在所述单组初始变量权重内随机选取部分变量权重进行组内部分变量权重反转，得到备选变量权重。


4.根据权利要求2所述的基于随机寻优的迭代式评分模型建立与优化方法，其特征在于，所述对所述多组备选变量权重进行优胜劣汰，得到多组优选变量权重，包括：
基于所述多组备选变量权重，分别确定与所述多组备选变量权重对应的训练数据样本得分；
基于所述训练数据样本得分，分别确定与所述训练数据样本得分...

【专利技术属性】
技术研发人员：吉风明，李彦萱，曹东篱，
申请(专利权)人：东方微银科技北京有限公司，
类型：发明
国别省市：北京;11