摘要
本发明公开了一种信贷违约预测方法、装置、设备及存储介质。该方法包括:获取待进行信贷违约预测的第一对象对应的信用指标参数;将所述信用指标参数输入至预先训练获得的目标违约预测模型进行违约概率预测,其中,所述目标违约预测模型为根据样本信用指标训练获得的深度神经网络模型,所述目标违约预测模型包括深度自编码器结构和深度因式分解机的双层网络架构;根据所述目标违约预测模型的输出,确定所述第一对象对应的信贷违约概率。本发明实施例技术方案通过创新性地融合用户低级别和高级别特征,实现在不同的数据和场景下,依然能够稳定地输出准确的预测结果,提高了信贷异常预测的精准度。
技术关键词
信贷违约预测方法
样本
对象
深度神经网络模型
结构特征提取
指标
编码器结构
深层特征提取
网络架构
聚类
欧氏距离算法
矩阵
预测模型训练
误差反向传播
处理器
可读存储介质
机器学习模型
参数
计算机
预测装置
系统为您推荐了相关专利信息
能耗预测方法
样本
电力资源管理
状态估计器
电力设备运行状态
综合评价方法
综合评价系统
综合评价体系
标准差椭圆
综合评价指数
特征提取模型
前馈神经网络
特征值
声学特征
语音识别模型