← 返回列表
一种基于机器学习分析规则的分值型模型优化方法
摘要文本
本发明公开了一种基于机器学习分析规则的分值型模型优化方法，以人工智能算法在模型组合策略持续优化应用为设计理念，在监督学习、无监督学习和粗糙集与粒计算等理论指导下，实现自动化、智能化地优化模型组合策略，能够将触发模型的相关数据通过AI技术进行多粒度分析，针对不同的业务场景，通过多种优化策略进行学习试算，能克服业务专家的主观性和试算有限性，更充分挖掘隐藏信息，得到更优的组合策略，辅助业务人员实现自动化地优化模型，辅助业务更快更好地优化模型，快速发现模型下规则的关联关系及其参与度，辅助业务理解可疑案例的特征识别点，进而更好地识别可疑案例。 （来 自 专利查询网）
申请人信息
- 申请人:北京领雁科技股份有限公司
- 申请人地址:100086 北京市海淀区大钟寺东路9号1幢B103-29
- 发明人: 北京领雁科技股份有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于机器学习分析规则的分值型模型优化方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311822048.6 |
| 申请日 | 2023/12/27 |
| 公告号 | CN117725527A |
| 公开日 | 2024/3/19 |
| IPC主分类号 | G06F18/2431 |
| 权利人 | 北京领雁科技股份有限公司 |
| 发明人 | 裴卫杰; 闫庆; 胡佰庆; 梁春雨; 高建新; 丁珂; 商延辰 |
| 地址 | 北京市海淀区大钟寺东路9号1幢B103-29 |
专利主权项内容
1.一种基于机器学习分析规则的分值型模型优化方法，其特征在于：包括以下步骤：获取在原始模型的优化周期内的已认定案例数据、排除案例数据和规则预警数据；根据所述已认定案例数据和排除案例数据并结合预设算法分析所述原始模型中的核心规则组以及规则参与度，得到机器学习规则分析结果；根据所述机器学习规则分析结果和所述规则预警数据对所述原始模型执行分值型模型优化策略，得到分值型模型优化结果；将所述分值型模型优化结果中得到的模型进行打包部署，完成对原始模型的优化。