(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211023514.X (22)申请日 2022.08.25 (71)申请人 度小满科技(北京)有限公司 地址 100193 北京市海淀区西北旺东路10 号院西区4 号楼6层6 06室 (72)发明人 曾开新　许贤铭　 (74)专利代理 机构 北京启坤知识产权代理有限 公司 11655 专利代理师 李琛 (51)Int.Cl. G06Q 40/02(2012.01) G06N 20/00(2019.01) (54)发明名称 一种用于信贷风险预测的模型训练方法和 装置 (57)摘要 本发明的目的是提供一种用 于信贷风险预 测的模型训练方法和装置。 所述方法包括： 将训 练样本输入至风险预测模型； 基于预定的损失函 数来训练风险预测模型， 其中， 所述损失函数用 于平衡好样 本和坏样本的数量分布。 本申请实施 例具有以下优点： 通过在训练模 型时采用改进的 损失函数， 该改进的损失函数可自动适应样本大 小并调整样 本不平衡， 从而避免了传统的二分类 模型在极度不平 衡样本上效果不佳、 单调性较差 的问题， 在无需手动改变训练样 本的分布的情况 下提升了模型处理不平衡样本的分类问题的能 力， 增强了模型在信贷业 务的区分能力。 权利要求书1页 说明书6页 附图2页 CN 115545876 A 2022.12.30 CN 115545876 A 1.一种用于信贷风险预测的模型训练方法， 其中， 所述方法包括： 将训练样本 输入至风险预测模型； 基于预定的损 失函数来训练风险预测模型， 其中， 所述损 失函数用于平衡好样本和坏 样本的数量分布。 2.根据权利要求1所述的方法， 其中， 所述方法包括： 基于训练好的风险预测模型进行风险预测。 3.根据权利要求1所述的方法， 其中， 所述方法包括： 获取信贷样本数据； 将所述信贷样本数据中的好样本标签设为0， 坏样本标签设为1， 以将进行标签的信贷 样本作为训练样本 。 4.根据权利要求1所述的方法， 其中， 所述损失函数的公式表达如下： 其中， yi表示样本 类别， 表示类别为yi的样本的数量， β 和 γ表示可调节的常数， pi和1‑ pi分别表示两个 类别通过模型 预测得到的概 率。 5.根据权利要求1至4中任一项所述的方法， 其中， 所述 风险预测模型为 二分类模型。 6.一种用于信贷风险预测的模型训练装置， 其中， 所述模型训练装置包括： 用于将训练样本 输入至风险预测模型的单 元； 用于基于预定的损 失函数来训练风险预测模型的单元， 其中， 所述损 失函数用于平衡 好样本和坏 样本的数量分布。 7.根据权利要求6所述的模型训练装置， 其中， 所述模型训练装置包括： 用于基于训练好的风险预测模型进行风险预测的单 元。 8.根据权利要求6所述的模型训练装置， 其中， 所述损失函数的公式表达如下： 其中， yi表示样本类别， 表示类别为yi的样本的数量， β 和 γ表示可调节的常数， pi和1‑ pi分别表示两个 类别通过模型 预测得到的概 率。 9.一种计算机设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计 算机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求1至5中任一所述的方 法。 10.一种计算机可读的存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理 器执行时实现如权利要求1至 5中任一项所述的方法。权　利　要　求　书 1/1 页 2 CN 115545876 A 2一种用于信贷风险预测的模型训练方 法和装置 技术领域 [0001]本发明涉及计算机技术领域， 尤其涉及一种用于信贷风险预测的模型训练方法和 装置。 背景技术 [0002]在信贷风控场景中， 通常面对的业务场景是好坏样本 的分类问题， 现有的信贷风 控方案一般使用二分类模型进 行建模。 损失函数用来评价模型的预测值和真实值不一样的 程度， 损失函数越好， 通常模型的性能越好， 不同的模型用的损失函数一般也不一样， 通常 二分类模 型的损失函数为交叉熵。 然而， 在此类信贷业务场景中， 一般坏样 本的数量远远小 于好样本的数量， 从而可能导 致模型的效果 不理想。 [0003]因此， 基于现有技术方案在进行信贷 建模时， 通常需要对好样本进行欠采样， 或者 根据好坏比的值设为坏 样本权重来降低样本的不平衡。 [0004]并且， 基于现有技 术的方案存在以下缺陷： [0005]1)模型的预测结果在真实样本上的性能较差， 线上离线结果差异较大， 模型的预 测效果不佳； [0006]2)模型倾向于学习易分类 的样本， 对难分类 的样本的区分度较差， 可能造成训练 的模型的分数和违约率 不单调。 发明内容 [0007]本发明的目的是提供一种用于信贷风险预测的模型训练方法和装置 。 [0008]根据本申请的实施例， 提供了一种用于信贷风险预测的模型训练方法， 其中， 所述 方法包括： [0009]将训练样本 输入至风险预测模型； [0010]基于预定 的损失函数来训练风险预测模型， 其中， 所述损失函数用于平衡好样本 和坏样本的数量分布。 [0011]根据本申请的实施例， 提供了一种用于信贷风险预测的模型训练装置， 其中， 所述 模型训练装置包括： [0012]用于将训练样本 输入至风险预测模型的单 元； [0013]用于基于预定 的损失函数来训练风险预测模型的单元， 其中， 所述损失函数用于 平衡好样本和坏 样本的数量分布。 。 [0014]根据本申请的实施例， 提供了一种计算机设备， 包括存储器、 处理器及存储在存储 器上并可在处理器上运行 的计算机程序， 其特征在于， 所述处理器执行所述程序时实现本 申请实施例的方法。 [0015]根据本申请的实施例， 提供了一种计算机可读的存储介质， 其上存储有计算机程 序， 其特征在于， 该程序被处 理器执行时实现本申请实施例的方法。 [0016]与现有技术相比， 本申请实施例 具有以下优点： 通过在训练模型时采用改进的损说　明　书 1/6 页 3 CN 115545876 A 3