一种基于熵特征与自适应超参数的信用卡违约预测方法

本申请涉及一种基于熵特征与自适应超参数的信用卡违约预测方法，元网络包括超参数生成器、基学习器；超参数生成器生成基学习器更新用的第一超参数；在任意一个任务中，通过特征提取函数提取出任务的状态信息，并通过任务中类别出现的概率计算任务的熵特征，利用熵特征为任务中各样本的各特征加权；基于第一超参数更新基学习器的第二超参数，更新时根据任务中的熵特征动态调整第一超参数；计算状态信息下的熵，根据熵值更新第一超参数；执行完所有任务，并基于所有特征的权重、每个任务中的预测损失、正则化项计算总损失以优化元网络，优化后的基学习器在查询集上进行信用卡违约预测。该方法提高了元网络的预测准确性，减少了过拟合的风险。