一种基于XGBoost的金融风控模型增量学习方法、装置、设备及介质

本申请公开了一种基于XGBoost的金融风控模型增量学习方法、装置、设备及介质，涉及计算机技术领域，包括：采集原金融风控模型中所有树对目标金融风险特征的各分裂点，对各分裂点进行排列处理，将满足预设合并条件的处理后分裂点进行合并得到合并后分裂点；基于目标金融风险特征在预设范围内的分位数点和合并后分裂点确定的各组候选分裂点对老样本和新样本进行分箱，基于各分箱内的群体稳定性指标和增益确定的参考分裂点，对原金融风控模型中针对目标金融风险特征进行分裂的原分裂点进行替换；基于新样本确定的训练集对得到的替换后金融风控模型进行训练，以得到目标金融风控模型。避免在增量学习过程中旧树特征分裂点对新样本不适用。