留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于多模型融合的互联网信贷个人信用评估方法

白鹏飞 安琪 Nicolaas Frans de Rooij 李楠 周国富

白鹏飞, 安琪, Nicolaas Frans de Rooij, 李楠, 周国富. 基于多模型融合的互联网信贷个人信用评估方法[J]. 华南师范大学学报(自然科学版), 2017, 49(6): 119-123. doi: 10.6054/j.jscnun.2017170
引用本文: 白鹏飞, 安琪, Nicolaas Frans de Rooij, 李楠, 周国富. 基于多模型融合的互联网信贷个人信用评估方法[J]. 华南师范大学学报(自然科学版), 2017, 49(6): 119-123. doi: 10.6054/j.jscnun.2017170
Internet Credit Personal Credit Assessing Method Based on Multi-model Ensemble[J]. Journal of South China normal University (Natural Science Edition), 2017, 49(6): 119-123. doi: 10.6054/j.jscnun.2017170
Citation: Internet Credit Personal Credit Assessing Method Based on Multi-model Ensemble[J]. Journal of South China normal University (Natural Science Edition), 2017, 49(6): 119-123. doi: 10.6054/j.jscnun.2017170

基于多模型融合的互联网信贷个人信用评估方法

doi: 10.6054/j.jscnun.2017170
基金项目: 

国家自然科学基金委员会-荷兰国家基金机构间合作重点项目(NSFC-NWO);教育部长江学者和创新团队发展计划资助;广东省引进创新科研团队计划资助;广东省科技计划项目;广东省引进第四批领军人才专项资金项目;广东省引进创新科研团队计划资助;国家高等学校学科创新引智计划111引智基地(光信息创新引智基地)

详细信息
    通讯作者:

    白鹏飞

  • 中图分类号: TP39

Internet Credit Personal Credit Assessing Method Based on Multi-model Ensemble

  • 摘要: 针对网络个人信用有效评分缺失的问题,分析了互联网信贷个人信用评估数据的特点,选用支持向量机、随机森林和XGBoost分别建立了信用预测模型,并对3种单一模型进行了投票加权融合. 基于互联网信贷数据的特点,在特征工程中对样本集特征进行了离散化、归一化和特征组合等处理. 为增加对比,对实验数据集进行了FICO评估核心Logistic回归分析. 实验结果表明:3种单一算法性能均优于Logistic回归,XGBoost表现优于支持向量机和随机森林模型,预测相对准确;投票融合模型的表现比单一模型更好,模型分辨能力更优秀,预测精度更高,更适用于互联网信贷个人信用评估.
  • 加载中
计量
  • 文章访问数:  1048
  • HTML全文浏览量:  163
  • PDF下载量:  119
  • 被引次数: 0
出版历程
  • 收稿日期:  2017-03-06
  • 修回日期:  2017-07-27
  • 刊出日期:  2017-12-25

目录

    /

    返回文章
    返回