基于双重代价敏感损失函数的个人信用评估方法、系统和服务器

本发明公开了一种基于双重代价敏感损失函数的个人信用评估方法、系统和服务器，在对数据进行预处理后，匹配对应特征，并通过滚动率分析和账龄分析给每个样本标注标签，在此基础上结合禁忌搜索算法和模糊C均值算法构建类别特征来对相似人群样本进行分类；接着引入平衡因子α优化聚焦损失函数构建双重代价敏感损失函数，并调整树模型的优化目标为聚焦损失函数进行训练；进而使用预处理后的数据、添加分类特征，调整分布式梯度提升决策树XGBoost的优化目标函数为双重代价敏感损失函数来训练个人信用评估模型；最后将待评估的个人信息数据输入训练好的个人信用评估模型后获得对应的信用评估结果，降低样本不均衡对模型产生的干扰，提高模型评估准确度。