摘要
本发明涉及金融风控领域,具体为一种基于大数据的金融风控方法及系统;提供了一种测试集数据的预处理方式,以保证测试集中用户违约样本和非违约样本的数量比接近1:1,从而提高测试集中样本的均衡性,以提高训练结果的准确度,综合考虑现有的各种预测模型适用在不同的情况下,其精度存在差异,而客户难以准确确定所需要使用的预测模型,因此采用判断权重计算判定值,从而无需客户去从现有模型中进行选择,通过根据不同的判定阈值的预测结果的准确性,对判定阈值的设置进行优化,以提高本模型预测时的准确性;解决了现有技术难以准确帮助客户判断与合作公司的合作是否会出现违约,以降低客户因合作出现金融风险的概率的问题。
技术关键词
风控方法
样本
金融
Logistic函数
大数据
k均值聚类算法
训练集数据
存储计算机程序
精度
客户
坐标系
数据分类
密度
噪声
存储器
处理器
曲线
关系
系统为您推荐了相关专利信息
风险值计算方法
票据
财务
无监督模型
分类模型训练
多标签
神经网络架构
融合方法
融合卷积神经网络
分类方法
智能识别系统
自然资源
管理子系统
推理架构
高优先级用户
财务风险预测方法
BP神经网络
电商
Sigmoid函数
样本
数据采集系统
机器人
云端
一维卷积神经网络
九轴姿态传感器