首页> 中文期刊> 《中国新技术新产品》 >基于不平衡数据与集成学习算法的信用评价模型

基于不平衡数据与集成学习算法的信用评价模型

         

摘要

目前,机器学习方法被广泛应用于信贷领域,对借款人进行信用评价。在机器学习评价过程中,存在信用数据不平衡和对少数类(逾期类)识别率低等问题,可采用特定抽样技术和集成学习方法解决相关问题。该文运用EasyEnsemble方法解决信用数据集不平衡问题,再通过非对称误差成本的核SVM、逻辑斯蒂回归、带有距离加权的k-NN算法以及C5.0算法的决策树的Bagging集成得到组合模型,有效弥补了单一分类器对少数类识别的缺陷,综合提高模型准确率、召回率以及AUC等指标。

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