基于XGBoost算法模型的金融客户信用评估研究

• 作者: 江开忠 陆健健
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 信用评估 XGBoost算法 随机森林(RF) GBDT算法 ROC曲线
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 133-136
• 页数: 4页
• 分类号: TP319
• 字数: 3795字
• 语种: 中文
• DOI: 10.11907/rjdk.182067

摘要

针对银行客户信用评估模型不健全不完善等问题,在对比随机森林(RF)、GBDT和XGBoost三种集成算法基础上,提出基于XGBoost算法的金融客户信用评估模型.从知名的UCI数据库中选取德国某银行客户信用数据集,在对数据进行缺失值、标准化等预处理后,分别对随机森林(RF)、GBDT算法和XGBoost三种集成算法建立个人信用评估模型,然后依据计算得到的相关多元评价指标对个人信用评估进行对比研究.实证结果表明,建立在XGBoost集成算法上的个人信用评估模型性能最优,在准确率指标上比随机森林(RF)高出6％,比GBDT算法高0.8％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	江开忠	上海工程技术大学数理与统计学院	28	68	5.0	7.0
2	陆健健	上海工程技术大学管理学院	2	5	1.0	2.0