首页> 中文期刊> 《中国市场》 >集成学习框架下的个人信用评分模型研究

集成学习框架下的个人信用评分模型研究

         

摘要

在大数据时代背景下,建立适当的个人信用评分模型对用户违约风险进行有效预测,对于预防互联网金融风险极其重要.文章基于人工智能前沿技术,引入Bagging、Boosting以及Stacking集成学习框架来构建个人信用评分模型,并在融360平台近3.5万的用户贷款数据集上进行实证研究.首先,选用随机森林、GBDT以及XGBoost算法分别建立了单一信用评分模型;其次,将以上三种同质集成树算法作为Stacking异质集成框架第一层的基分类器,以Logistic regression为第二层的元分类器,进行模型融合.结果表明,Stacking异质集成模型在三种评估角度下均表现优异.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号