(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 202210932689.6 (22)申请日 2022.08.04 (71)申请人 中建电子商务有限责任公司 地址 610000 四川省成 都市青羊区腾飞大 道51号18栋12层1202号 (72)发明人 谷满昌　朱科宇　 (74)专利代理 机构 成都春夏知识产权代理事务 所(特殊普通 合伙) 51317 专利代理师 夏琴 (51)Int.Cl. G06K 9/62(2022.01) G06Q 40/02(2012.01) G06N 20/20(2019.01) (54)发明名称 一种基于聚类选择集成的风险控制方法 (57)摘要 本发明公开了一种基于聚类选择集成的风 险控制方法， 属于风险控制技术领域， 包括获取 信贷信息中授信后原始特征的特征值； 采用分箱 算法对原始特征进行计算， 得到分箱特征值； 采 用过采样方法对分箱特征值进行处理， 将处理后 的分箱特征值输入基学习器， 得到基学习器的预 测结果； 将基学习器的预测结果合并为矩阵， 采 用聚类算法计算矩阵， 得到聚类中心； 提取聚类 中心对应的基学习器作为集成学习的第一层学 习器； 采用XGBoost模型或者LightGBM模型作为 集成学习的第二层学习器， 训练得到集成学习器 数据测试。 本发 明较好地解决样 本数量不平衡引 发的过拟合问题， 同时显著将基学习器差异化， 增大基学习器的异质性， 降低计算成本和内存开 销。 权利要求书2页 说明书6页 附图1页 CN 115130619 A 2022.09.30 CN 115130619 A 1.一种基于聚类选择集成的风险控制方法， 其特 征在于， 包括以下步骤： 步骤S1、 获取信贷信息中授信后原 始特征的特征值； 步骤S2、 采用分箱算法对原 始特征进行计算， 得到分箱特 征值； 步骤S3、 采用过采样方法对分箱特征值进行处理， 将处理后的分箱特征值输入基学习 器， 得到基学习器的预测结果； 步骤S4、 将基学习器的预测结果 合并为矩阵， 采用聚类算法计算矩阵， 得到聚类中心； 步骤S5、 提取聚类中心对应的基学习器作为 集成学习的第一层学习器； 步骤S6、 采用XGBoost模型或者LightGBM模型作为集成学习的第二层 学习器， 得到集成 学习器， 然后进行 数据测试。 2.根据权利要求1所述的一种基于聚类选择集成的风险控制方法， 其特征在于， 所述步 骤S2包括： 步骤S21、 将每个原始特征的特征值由小到大排序进 行分箱， 得到分箱区间； 步骤 S22、 计算每个 分箱区间内的累计好样 本数占总好样本数比率为好占比率、 累计坏样 本数占 总坏样本数比率为坏占比率； 步骤S23、 将好占比率和坏占比率差值绝对值的最大值作为切 点， 基于切点把特征值切分成两部 分； 步骤S2 4、 重复步骤S21至步骤S23， 将切点左右的数据 进一步切分直至箱体数达 到预设阈值， 得到分箱特 征值。 3.根据权利要求2所述的一种基于聚类选择集成的风险控制方法， 其特征在于， 排序分 箱采用等频分箱、 等距分箱或自定义距离分箱的任意 一种。 4.根据权利要求2所述的一种基于聚类选择集成的风险控制方法， 其特征在于， 所述步 骤S3包括： 步骤S3 1、 对于分箱 特征值中好样本的每一个样本xi{x1， x2， ...， xN}， 以欧氏距离 为标准计算它的k个近邻； 步骤S32、 从k个近邻中选取一个样本xij， 生成随机数τ∈[0， 1]， 由 合成新样本xi new； 步骤S33、 将 步骤S32重复进行N次得到样本 集 ； 步骤S34、 好样本扩充得到全体样本xold， 将全体样本xold 与样本集xnew合并得到样 本x， 通过预设的基学习器对样 本x进行训练， 得到基础学习的预测 结果。 5.根据权利要求4所述的一种基于聚类选择集成的风险控制方法， 其特征在于， 所述步 骤S4包括： 步骤S41、 将多个基学习器的预测结果合并为矩阵M=(Mij)k0×N， 其中k0表示基学习 器数量， Mij表示基学习器对实例的预测结果； 步骤S42、 从矩阵M中随机挑选k0个样本作为初 始聚类中心{c1， c2， ... ci...， ck0}， k0表示基学习器的数量； 步骤S43、 计 算每个实例到聚类 中心的距离， 选择距该实例最近的聚类中心， 并将该实例加入到该聚类中心所在的聚类； 步 骤S44、 如存在实例数目小于cmin的聚类， cmin表示每个聚类所要求的最少样本数目， 则舍去 该聚类， 使聚类中心数量k减少1个并将舍去的聚类中的实例 重新分配给距离最近的聚类； 步骤S45、 重新计算每 个聚类的聚类中心 ， Nci为第i个聚类的样本数量， m 表示Mij中的任意一行； 步骤S46、 当前聚类中心数量k≤k0/2时， 计 算每个聚类下实例的方差 σij， 计算每个聚类下的最大方差的分量σi max， 若某个聚类的σi max大于预设的最大方差值，权　利　要　求　书 1/2 页 2 CN 115130619 A 2并且该聚类中实例数量大于等于2cmin， 由公式 分裂成聚类中心为cs+、 cs‑的两个聚类， 使聚类中心数量k增加1个； 当前聚类中心数量k≥2k0时， 计 算任意两个聚类 中心的距离， 将最小距离的两个聚类合并为新的聚类， 使聚类中心数量k减少1个， 直至聚类 中心数量满足k<2k0； 步骤S47、 跳转至步骤S43重复迭代直至达到最大的迭代次数， 终止聚 类算法， 输出选择后的k个聚类中心{c1， c2， ...， ck}。 6.根据权利要求5所述的一种基于聚类选择集成的风险控制方法， 其特征在于， 所述步 骤S43中， 计算每 个实例到聚类中心的距离的方法为： ， 其中m表示Mij中的任意 一行。 7.根据权利要求5所述的一种基于聚类选择集成的风险控制方法， 其特征在于， 所述步 骤S46中， 采用公式 将最小距离的两个聚类合并为新的聚类， 其中， 为新的聚类的聚类中心， p、 q表示两个聚类， Np、 Nq分别代表p、 q两个聚类的实例个数， cp、 cq分别代表p、 q两个聚类的聚类中心。 8.根据权利要求5所述的一种基于聚类选择集成的风险控制方法， 其特征在于， 所述基 学习器数量 k0∈[50， 100]。 9.根据权利要求1所述的一种基于聚类选择集成的风险控制方法， 其特征在于， 所述步 骤S5中， 提取聚类中心所对应的算法作为 集成学习第一层的选择性 算法。 10.根据权利要求1所述的一种基于聚类选择集成的风险控制方法， 其特征在于， 所述 步骤S1中， 原 始特征至少包括供应商基础信息、 供应商行为表现信息和信贷产品相关信息 。权　利　要　求　书 2/2 页 3 CN 115130619 A 3