基于AdaBoost提升算法的个人信用评估模型研究

• 作者: 金俊玲
• 来源期刊: 社会科学前沿
• 学科: 经济
• 关键词: 数据挖掘 非均衡分类 决策树 AdaBoost提升算法
• 年，卷（期）: 2018,（10）
• 页码范围: 1724-1734
• 页数: 11页
• 分类号: F2

摘要

本文的目的是利用数据挖掘方法构建互联网金融时代下的信用评分体系模型。本文先是对征信机构提供的数据进行指标选取、数据预处理,发现数据集中直接反映客户信用历史、还款压力和还款能力的指标变量分类作用较大;再利用SMOTE算法对处理后数据进行过采样以减少数据集的不均衡程度;然后在得到的新训练集中学习最佳单层决策树弱分类器和利用AdaBoost提升算法将构建的多个弱分类器组合成强分类器,模型精度基本稳定在80%,分类器平均性能达到88%;最后综合考虑分类器性能、分类代价以及程序运行时间,选用分类器数目为2000的模型预测测试集样本的贷款逾期情况。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	金俊玲	上海海事大学经济管理学院	1	0	0.0	0.0