一种基于稀疏特征嵌入的违约用户概率预测方法

摘要

本发明一种基于稀疏特征嵌入的违约用户概率预测方法：首先将用户的原始数据转换为变量特征，然后将变量特征中的多类别变量映射到一个稀疏矩阵中(类似于one‑hot处理)；在此基础上，通过基础决策树模型将该稀疏矩阵映射到概率，再将该概率作为特征增加到模型中，来进行违约用户预测。本发明一种基于稀疏特征嵌入的违约用户概率预测方法，与现有技术相比，其优点在于：有效提高了类别编码的处理能力，同时在后续机器学习的流程中有效降低了特征空间的维度，有利于机器学习模型的学习和处理。