一种应用迁移学习进行个人信用风险预测方法及系统

摘要

本发明公开了一种应用迁移学习进行个人信用风险预测方法及系统，属于金融风险评估技术领域，解决现有的应用迁移学习技术的金融信用风险预测模型在训练元模型时使用了全体样本，当其中存在与目标领域样本分布不同的样本时，会出现负迁移与过拟合效应，导致在目标领域样本上微调优化的模型效果不佳的问题。本发明中对元模型的建模样本进行筛选，挑选出与目标领域同分布的样本建立元模型，再使用该模型在目标领域的小规模样本上进行微调优化，通过优化元模型训练样本与目标领域小规模样本的数据分布差异，避免异分布样本导致的负迁移和过拟合效应，降低元模型训练样本规模，并提高元模型训练与目标领域模型微调效率。