公开(公告)号：CN115619535A

公开(公告)日：2023-01-17

申请号：CN202211117731.5

申请日：2022-09-14

Applicant: 度小满科技(北京)有限公司

Inventor： 苏聪 ,  许贤铭 ,  杨青

IPC: G06Q40/03 ,  G06F18/214 ,  G06F18/24

Abstract: 本发明的目的是提供一种模型训练方法和装置。所述方法包括：需要训练模型时，为源域的样本设定初始权重；使用期望最大算法，并通过迭代的方式不断更新源域好样本和坏样本的权重，以完成训练模型。本申请实施例具有以下优点：通过在在信贷领域的迁移学习问题中使用期望最大值算法来优化源域的权重，使得加权后的源域条件分布与目标域条件分布相似，从而充分将源域中的预测模型迁移到目标域中，不依赖于任何定性输入，也不需要借助于撞库分析，避免了传统迁移学习方案中定性输入数据和撞库分析带来的不确定性，提升了模型的准确性和训练效率。

公开(公告)号：CN114862549A

公开(公告)日：2022-08-05

申请号：CN202210428666.1

申请日：2022-04-22

Applicant: 度小满科技(北京)有限公司

Inventor： 苏聪 ,  许贤铭 ,  杨青

IPC: G06Q40/02 ,  G06K9/62

Abstract: 本发明公开了一种风险预测方法、装置、存储介质、处理器及电子装置。其中，该方法包括：获取目标样本数据，其中，目标样本数据包括多个用户的历史借款行为数据；利用目标参数调整目标样本数据在目标损失函数中的损失权重，得到调整结果；基于调整结果对目标样本数据进行拟合处理，得到风险预测结果，其中，风险预测结果用于确定目标样本数据中是否存在风险。本发明解决了相关技术中对于样本的风险预测准确性低的技术问题。