基于LightGBM算法的信用风险评估模型研究

• 作者: 王思宇 陈建平
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 信用风险 LightGBM 分类预测
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 人工智能
• 页码范围: 19-22
• 页数: 4页
• 分类号: TP301
• 字数: 2847字
• 语种: 中文
• DOI: 10.11907/rjdk.191157

摘要

对于银行、P2P等金融机构而言,如何在扩大业务规模的同时,有效控制并合理防范信用风险尤为重要.基于LightGBM算法,根据借款申请人提供的相关个人信息,建立分类预测模型,对借款人是否会逾期、是否该发放贷款进行预测研究.实验结果表明,相较于普通决策树算法,LightGBM预测精度提升了40.8％,且具有较好的鲁棒性,可满足信用评估要求.基于LightGBM的信用评估模型不仅拥有更快的训练速度和更高的训练效率,同时还占用更少的内存,具有支持数据并行处理能力.利用该模型可对用户信用风险进行较为准确的预测,对贷款机构风险管理有重要参考价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈建平	南通大学计算机科学与技术学院	53	327	10.0	15.0
2	王思宇	南通大学计算机科学与技术学院	1	7	1.0	1.0