(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 202210638850.9 (22)申请日 2022.06.07 (71)申请人 平安科技 （深圳） 有限公司 地址 518000 广东省深圳市福田区福田街 道福安社区益田路5033号平 安金融中 心23楼 (72)发明人 刘锴靖　 (74)专利代理 机构 深圳市明日今典知识产权代 理事务所(普通 合伙) 44343 专利代理师 王杰辉　熊成龙 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 30/02(2012.01) G06Q 40/02(2012.01)G06N 20/20(2019.01) (54)发明名称 银行客户流失风险预测模型生成方法、 装 置、 设备及 介质 (57)摘要 本申请涉及人工智能技术领域， 提供一种银 行客户流失风险预测模型生成方法、 装置、 设备 及介质， 所述方法包括： 获取银行客户留存数据； 对所述银行客户留存数据进行预处理， 以得到与 客户流失相关的特征数据； 基于所述特征数据、 所述特征数据对应的标签以及预设的模型参数 对待训练的XGboost模型进行训练， 得到所述银 行客户流失风险预测模型。 由于XGboost模型是 一种机器学习模 型， 且本申请所采用的训练集为 与客户流失相关的特征数据， 因此， 通过训练， 本 申请实施例生成的模型能够有效预测出银行客 户流失风险。 权利要求书2页 说明书11页 附图3页 CN 115049121 A 2022.09.13 CN 115049121 A 1.一种银 行客户流失风险预测模型生成方法， 其特 征在于， 包括： 获取银行客户留存数据； 对所述银 行客户留存数据进行 预处理， 得到与客户流失相关的特 征数据； 基于所述特征数据、 所述特征数据对应的标签以及预设的模型参数对待训练的 XGboost模型进行训练， 得到所述银行客户流失风险预测模型； 其中， 所述特征数据对应的 标签表示所述特 征数据对应的客户是否已流失。 2.根据权利要求1所述的银行客户流失风险预测模型生成方法， 其特征在于， 所述客户 留存数据包括多种属性数据， 所述属性包括客户ID、 客户姓名、 客户信用分、 性别、 年龄、 区 域、 存款/贷款情况、 是否有信用卡、 金融产品购买/使用数量、 是否为活跃用户、 估计收入、 使用金融产品时长以及是否已流失。 3.根据权利要求1所述的银行客户流失风险预测模型生成方法， 其特征在于， 所述对所 述银行客户留存数据进行 预处理， 得到与客户流失相关的特 征数据， 包括： 依次对所述银行客户留存数据进行数据清洗处理、 数据转换处理和特征筛选处理， 得 到所述与客户流失相关的特 征数据。 4.根据权利要求3所述的银行客户流失风险预测模型生成方法， 其特征在于， 所述依次 对所述银行客户留存数据进行数据清洗处理、 数据转换处理和特征筛选处理， 得到所述与 客户流失相关的特 征数据， 包括： 删除所述银 行客户留存数据中与客户流失无关的数据， 得到第一特 征数据； 对所述第一特 征数据中的异常值进行处 理， 得到第二特 征数据； 将所述第二特 征数据转换为符合所述XGbo ost的输入格式， 得到第三特 征数据； 对所述第三特 征数据进行离 散化处理， 得到第四特 征数据； 从所述第四特征数据中筛选出弱相关性的特征数据， 得到所述与客户流失相关的特征 数据。 5.根据权利要求2所述的银行客户流失风险预测模型生成方法， 其特征在于， 所述与客 户流失相关的特征包括： 客户信用分、 性别、 年龄、 区域、 存款/贷款情况、 是否有信用卡、 金 融产品购买/使用数量、 是否为活跃用户、 估计收入以及使用金融产品时长 。 6.根据权利要求1所述的银行客户流失风险预测模型生成方法， 其特征在于， 所述基于 所述特征数据、 所述特征数据对应的标签以及预设的模型参数对待训练的XGboost模型进 行训练， 得到所述银 行客户流失风险预测模型， 包括： 基于所述特征数据、 所述特征数据对应的标签以及预设的模型参数对所述待训练 XGboost模 型进行训练， 并在训练过程中根据预设的调参策略对所述模 型参数进 行调整， 得 到所述银 行客户流失风险预测模型。 7.根据权利要求6所述的银行客户流失风险预测模型生成方法， 其特征在于， 所述调参 策略为以下调参策略中的任意 一种： 第一调参策略： 只调树的个数； 第二调参策略： 只调树的深度； 第三调参策略： 同时调树的个数和深度； 第四调参策略： 只调学习率； 第五调参策略： 同时调树的个数和学习率；权　利　要　求　书 1/2 页 2 CN 115049121 A 2第六调参策略： 只调行采样比特率； 第七调参策略： 只调列采样比特率。 8.一种银 行客户流失风险预测模型生成装置， 其特 征在于， 包括： 获取模块， 用于获取 银行客户留存数据； 预处理模块， 用于对所述银行客户留存数据进行预处理， 得到与客户流失相关的特征 数据； 训练模块， 用于基于所述特征数据、 所述特征数据对应的标签以及预设的模型参数对 待训练的XGboost模型进行训练， 得到所述银行客户流失风险预测模型； 其中， 所述特征数 据对应的标签表示所述特 征数据对应的客户是否已流失。 9.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 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7中任一项所述方法的步骤。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 115049121 A 3