基于多模型融合的互联网信贷个人信用评估方法

• 作者: Nicolaas Frans de ROOIJ 周国富 安琪 李楠 白鹏飞
• 来源期刊: 华南师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 个人信用评估 互联网信贷 支持向量机 随机森林 XGBoost 模型融合
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 计算机科学与软件工程
• 页码范围: 119-123
• 页数: 5页
• 分类号: TP39
• 字数: 5349字
• 语种: 中文
• DOI: 10.6054/j.jscnun.2017170

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	白鹏飞	华南师范大学华南先进光电子研究院	13	79	6.0	8.0
2	周国富	华南师范大学华南先进光电子研究院	31	117	8.0	10.0
11	李楠		5	36	3.0	5.0
12	安琪	华南师范大学华南先进光电子研究院	2	30	2.0	2.0
13	Nicolaas Frans de ROOIJ		1	16	1.0	1.0