(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 202210640592.8 (22)申请日 2022.06.08 (71)申请人 中国银行股份有限公司 地址 100818 北京市西城区复兴门内大街1 号 (72)发明人 冯宇欣　李磊　张翔　肖爽　 唐嘉营　王玮　王蔼岚　袁静雅　 武守经　刘畅　王正亮　李杰　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 专利代理师 田勇　陶海萍 (51)Int.Cl. G06N 20/00(2019.01) G06K 9/62(2022.01) G06Q 40/02(2012.01) (54)发明名称 客户流失几率模型的训练方法及装置 (57)摘要 本发明提供了一种客户流失几率模型的训 练方法及装置， 其中该方法包括： 获取训练数据 集， 所述训练数据集包括客户在银行系统中的数 据； 根据所述训练数据集中的数据的属性， 对所 述训练数据集中的数据进行预处理、 均衡化处理 和标准化处理， 生成处理后的数据集； 以及根据 所述处理后的数据集对XGBoost模型进行训练， 得到模型参数。 能够提高客户流失几率模型的数 据处理能力， 提高预测结果的准确性。 本发明可 用于人工智能技 术领域。 权利要求书2页 说明书7页 附图3页 CN 114943343 A 2022.08.26 CN 114943343 A 1.一种客户流失几率模型的训练方法， 其特 征在于， 所述方法包括： 获取训练数据集， 所述训练数据集包括 客户在银 行系统中的数据； 根据所述训练数据集中的数据的属性， 对所述训练数据集中的数据进行预处理、 均衡 化处理和标准 化处理， 生成处 理后的数据集； 以及 根据所述处 理后的数据集对XGBo ost模型进行训练， 得到模型参数。 2.如权利要求1所述的方法， 其特 征在于， 所述预处 理包括： 数据清理、 异常值处 理和数据变换中的至少一个处 理。 3.如权利要求1所述的方法， 其特 征在于， 所述均衡化处 理包括： 根据所述训练数据集中的数据的属性信息， 将所述训练数据集划分为2个以上的子数 据集； 以及 按照各个所述子数据集对应的预设比例， 从所述子数据集中选择 数据。 4.如权利要求1所述的方法， 其特 征在于， 所述标准 化处理包括： 按照所述训练数据集中的数据的属性信息， 对各个所述属性信息的内容进行编码， 生 成码本信息； 以及 根据所述码本信息， 对所述训练数据集中的数据进行编码。 5.如权利要求1所述的方法， 其特 征在于， 所述训练数据集中的数据的属性包括： 银行系统中的客户身份信 息、 客户资产信 息、 客 户交易信息、 客户服 务信息。 6.一种客户流失几率模型的训练装置， 其特 征在于， 包括： 数据获取模块， 其获取训练数据集， 所述训练数据集包括 客户在银 行系统中的数据； 数据处理模块， 其根据所述训练数据集中的数据的属性， 对所述训练数据集中的数据 进行预处理、 均衡化处 理和标准 化处理， 生成处 理后的数据集； 以及 数据建模 模块， 其根据所述处 理后的数据集对XGBo ost模型进行训练， 得到模型参数。 7.如权利要求6所述的装置， 其特 征在于， 所述预处 理包括： 数据清理、 异常值处 理和数据变换中的至少一个处 理。 8.如权利要求6所述的装置， 其特 征在于， 所述均衡化处 理包括： 根据所述训练数据集中的数据的属性信息， 将所述训练数据集划分为2个以上的子数 据集； 以及 按照各个所述子数据集对应的预设比例， 从所述子数据集中选择 数据。 9.如权利要求6所述的装置， 其特 征在于， 所述标准 化处理包括： 按照所述训练数据集中的数据的属性信息， 对各个所述属性信息的内容进行编码， 生 成码本信息； 以及 根据所述码本信息， 对所述训练数据集中的数据进行编码。 10.如权利要求6所述的装置， 其特 征在于， 所述训练数据集中的数据的属性包括： 银行系统中的客户身份信 息、 客户资产信 息、 客 户交易信息、 客户服 务信息。 11.一种计算机设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计 算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现权利要求1至5任一所述方 法。权　利　要　求　书 1/2 页 2 CN 114943343 A 212.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机程 序， 所述计算机程序被处 理器执行时实现权利要求1至 5任一所述方法。 13.一种计算机程序产品， 其特征在于， 所述计算机程序产品包括计算机程序， 所述计 算机程序被处 理器执行时实现权利要求1至 5任一所述方法。权　利　要　求　书 2/2 页 3 CN 114943343 A 3