基于森林區(qū)分度模型的預測方法及系統的制作方法
【專利摘要】本發(fā)明公開了一種基于森林區(qū)分度模型的預測方法及系統，該方法包括：步驟1，基于隨機森林算法使用建模數據進行建模，對所述建模數據進行分箱，并經過區(qū)分度模型求解，獲得建模結果；步驟2，根據建立的模型和所述建模結果，對待預測的數據進行打分，獲得預測結果。本發(fā)明能提供一種簡單的、擴展的、有據可循的分箱方法，它簡化了對數據的考量，及不需要精通較高深的運算理論，就能夠使用該方法得到較好的分箱結果，從而得到效果較好的預測結果。這在很大程度上也提高了建模的效率和模型的精度。
【專利說明】基于森林區(qū)分度模型的預測方法及系統
【技術領域】
[0001]本發(fā)明涉及評分卡建?！炯夹g領域】，尤其涉及一種基于森林區(qū)分度模型的預測方法及系統。
【背景技術】
[0002]評分卡是一個基于統計學的分析工具，它可以通過分析已經發(fā)生的現象，根據歷史數據和各種相關因素，來預測將來某個特定結果發(fā)生的概率。分析的基礎是一系列描述歷史數據的互相關聯的因素、變量、預測值或者回歸方程的獨立變量，我們稱之為預測變量。待預測的某個特定結果稱為目標變量。評分卡建模技術就是基于評分卡，建立預測變量和目標變量之間映射關系的技術，這種映射關系就是評分卡模型。評分卡模型的常用模型方法，有線性回歸、邏輯回歸、神經網絡、決策樹、區(qū)分度等。比如，我們可以通過分析已有的信用卡使用者的還款情況，來預測一個信用卡申請者在將來是否可能出現逾期不還款的行為。雖然授信者通過人工分析客戶的歷史信用資料，同樣可以得到這樣的分析結果，但利用信用評分卻更加快速、更加客觀、更具有一致性。
[0003]區(qū)分度模型是一種較穩(wěn)定，且可解釋性強的模型，在金融和電信領域廣泛應用。區(qū)分度模型的目標變量是二分類型的，即其取值范圍為兩個值，如:好/壞，逾期/不逾期，是/否，等等。建模的目的是為了有效的區(qū)分好樣本和壞樣本。如圖1C，假定壞樣本的分布如圖中部分1，好樣本的分布如圖中部分2，為了能夠最好的區(qū)分出來好壞樣本，我們設想最好的情況是壞樣本的分布中 不包含好的樣本，好樣本分布中不包含壞的樣本，這樣我們就可能達到完全分出來好壞樣本的目的。當然在實際的操作過程中我們不可能達到理想的分布，但是我們的目標就是希望最大化的接近這種目的，因此在這個圖中希望好壞樣本交叉重疊的部分達到最小，當他們完全沒有交叉重疊時也就是我們設想的理想情況了。
[0004]基于這種想法，提出了 DIV的公式(DIV公式的數學思想來源于Fisher判別分析方法。Fisher判別分析是模式識別領域廣泛應用的一種分類方法，它根據最大化類間離散度、同時最小化類內離散度的準則，確定一系列線性變化方向，使各類之間最大程度的分離。)至今，該方法已成功應用于評估消費者信用風險、巖質邊坡穩(wěn)定性評價、非線性統計過程監(jiān)控與故障診斷等眾多領域。美國FICO公司提出的Divergence模型便是將Fisher判別方法與具有現實意義的限制條件相結合，從而成功應用于信用評估領域，大大方便了業(yè)務對模型的要求:
【權利要求】
1.一種基于森林區(qū)分度模型的預測方法，其特征在于，包括: 步驟1，基于隨機森林算法使用建模數據進行建模，對所述建模數據進行分箱，并經過區(qū)分度模型求解，獲得建模結果； 步驟2，根據建立的模型和所述建模結果，對待預測的數據進行打分，獲得預測結果。
2.如權利要求1所述的森林區(qū)分度模型建立方法，其特征在于，所述步驟I包括: 步驟11，基于所述隨機森林算法，對所述建模數據進行分箱，獲得分箱結果； 步驟12，根據所述分箱結果將所述建模數據的變量轉換為啞變量，利用所述啞變量進行區(qū)分度模型求解，獲得各分箱權重； 步驟13，根據所述各分箱權重計算所述建模數據中每個記錄的分數，獲得評分結果； 步驟14，根據所述評分結果，決定區(qū)分好壞的分數，獲得建模結果。
3.如權利要求2所述的基于森林區(qū)分度模型的預測方法，其特征在于，所述步驟11包括: 步驟111，隨機抽取部分建模數據作為樹的根節(jié)點，并加入到待分叉的樹節(jié)點集合中；步驟112，判斷所述待 分叉的樹節(jié)點集合是否為空，如果為空，則返回所述根節(jié)點的樹；如果不為空，則從所述待分叉的樹節(jié)點集合中選擇一個節(jié)點，并從所述待分叉的樹節(jié)點集合中刪除該節(jié)點； 步驟113，判斷所述節(jié)點是否符合節(jié)點分叉條件，如果不符合條件，則返回步驟112，否則計算該節(jié)點的分叉的變量和分叉的值； 步驟114，根據所述分叉的變量和分叉的值，得到所述分叉節(jié)點的左子節(jié)點和右子節(jié)點，并均加入所述待分叉的樹節(jié)點集合中。
4.如權利要求2所述的基于森林區(qū)分度模型的預測方法，其特征在于，所述步驟13包括: 步驟131，根據所述各分箱權重，確定對應的多個葉子節(jié)點的權重； 步驟132，根據每個葉子節(jié)點所代表的區(qū)間，獲知某條記錄在葉子節(jié)點區(qū)間的分布，將所述記錄分布的所有葉子節(jié)點的權重加起來，得到該記錄對應的分數； 步驟133，根據步驟132計算所有記錄對應的分數，獲得評分結果。
5.如權利要求1所述的基于森林區(qū)分度模型的預測方法，其特征在于，所述步驟2中: 根據所述各分箱權重計算所述待預測數據中每個記錄的分數，獲得評分結果。
6.一種基于森林區(qū)分度模型的預測系統，其特征在于，包括: 建模模塊，基于隨機森林算法使用建模數據進行建模，對所述建模數據進行分箱，并經過區(qū)分度模型求解，獲得建模結果； 預測模塊，根據建立的模型和所述建模結果，對待預測的數據進行打分，獲得預測結果O
7.如權利要求6所述的森林區(qū)分度模型建立系統,其特征在于,所述建模模塊包括: 分箱模塊，基于所述隨機森林算法，對所述建模數據進行分箱，獲得分箱結果； 區(qū)分模塊，根據所述分箱結果將所述建模數據的變量轉換為啞變量，利用所述啞變量進行區(qū)分度模型求解，獲得各分箱權重； 計算模塊，根據所述各分箱權重計算所述建模數據中每個記錄的分數，獲得評分結果;分割模塊，根據所述評分結果，決定區(qū)分好壞的分數，獲得建模結果。
8.如權利要求7所述的基于森林區(qū)分度模型的預測系統，其特征在于，所述分箱模塊包括: 抽取模塊，隨機抽取部分建模數據作為樹的根節(jié)點，并加入到待分叉的樹節(jié)點集合中； 第一判斷處理模塊，判斷所述待分叉的樹節(jié)點集合是否為空，如果為空，則返回所述根節(jié)點的樹；如果不為空，則從所述待分叉的樹節(jié)點集合中選擇一個節(jié)點，并從所述待分叉的樹節(jié)點集合中刪除該節(jié)點； 第二判斷處理模塊，判斷所述節(jié)點是否符合節(jié)點分叉條件，如果不符合條件，則返回第一判斷處理模塊，否則計算該節(jié)點的分叉的變量和分叉的值； 結果獲得模塊，根據所述分叉的變量和分叉的值，得到所述分叉節(jié)點的左子節(jié)點和右子節(jié)點，并均加入所述待分叉的樹節(jié)點集合中。
9.如權利要求7所述的基于森林區(qū)分度模型的預測系統，其特征在于，所述計算模塊包括: 權重獲得模塊，根據所述各分箱權重，確定對應的多個葉子節(jié)點的權重； 權重處理模塊，根據每個葉子節(jié)點所代表的區(qū)間，獲知某條記錄在葉子節(jié)點區(qū)間的分布，將所述記錄分布的所有葉子節(jié)點的權重加起來，得到該記錄對應的分數； 評分模塊，根據權重處理模塊計算所有記錄對應的分數，獲得評分結果。
10.如權利要求6所述的基于 森林區(qū)分度模型的預測方法，其特征在于，所述預測模塊中: 根據所述各分箱權重計算所述待預測數據中每個記錄的分數，獲得評分結果。
【文檔編號】G06Q10/04GK103942604SQ201310018641
【公開日】2014年7月23日 申請日期:2013年1月18日 優(yōu)先權日:2013年1月18日
【發(fā)明者】鄭茂林, 徐春香, 寧慶慶, 戴霞, 呂盡軒, 裴曉景, 王靜, 張明昊, 李勝濤, 曾祥洪 申請人:上海安迪泰信息技術有限公司