摘要
本发明公开了一种用户分类方法、装置、电子设备和存储介质,其中,该方法包括:获取待识别用户的历史违约记录以及历史用户数据,并根据所述历史违约记录在所述历史用户数据内确定关键行为;基于所述关键行为训练机器学习模型为二次违约概率预测模型;根据所述二次违约概率预测模型和所述关键行为生成所述待识别用户的新生用户数据的二次违约概率;基于所述二次违约概率确定所述待识别用户的违约分类。本发明实施例可解决现有二次违约用户分类规则不完善的问题,可对用户的二次违约行为进行预测,通过用户动态数据对用户行为进行分析,可提升二次违约概率预测的准确性。
技术关键词
训练机器学习模型
分类方法
数据
特征识别模块
电子设备
模型训练模块
可读存储介质
计算机
分类规则
分类装置
专家系统
风险
处理器通信
序列
超参数
存储器
指标
平台
系统为您推荐了相关专利信息
分布式数据采集
优化调度模型
任务分配算法
动态
子系统
物资需求预测
决策支持系统
数据采集模块
构建数据仓库
数据存储
结构网络模型
能力评估方法
能力评估模型
评估指标体系
游戏
数字孪生方法
监督学习框架
数字孪生模型
闭环反馈机制
光伏发电量