摘要
本发明涉及一种信用卡销户预测模型及其构建方法,涉及预测模型技术领域,其构建方法包括以下步骤:S1:获取数据;S2:对数据中异常值以及缺失值进行处理;S3:筛选特征,并对特征进行分箱处理和编码处理;S4:基于处理后的特征,采用K‑Nearest Neighbors模型对存量未销户客户进行相似性分析,并定义筛选范围,使相似性属于筛选范围的存量未销户客户参与模型训练;S5:采用TBPU学习方法、迭代伪标签生成策略以及LightGBM模型进行训练,得到信用卡销户预测模型,其中TBPU为Transductive Bagging PU;并引入袋外预测策略,生成最终的预测结果;S6:对生成的预测结果进行评估。本发明可以提高信用卡销户预测准确率,从而帮助银行采取针对性措施,提高客户留存率。
技术关键词
LightGBM模型
客户
信用卡
学习方法
样本
加权平均法
模型训练模块
预测模型技术
采样方法
代表
定义
数据
策略
账户
分箱
特征工程
子模块
标签
编码
系统为您推荐了相关专利信息
命名实体识别方法
多模态
命名实体识别技术
命名实体识别装置
计算机储存介质
集成电路金属
寄生电容模型
表达式
建模方法
关系
精准筛查方法
人工神经网络
筛查模型
深度Q网络学习
对象
智能预测方法
刚度
位置更新
混合方法
粒子群优化算法