基于Stacking算法实现信贷不平衡数据分类

• 作者: 郑利沙 黄浩
• 来源期刊: 数据挖掘
• 学科: 工学
• 关键词: 样本不平衡数据 集成学习 STACKING
• 年，卷（期）: 2020,（4）
• 页码范围: 254-260
• 页数: 7页
• 分类号: TP3

摘要

随着大数据技术在应用层面的日渐普及,机器学习、深度学习相关算法在金融风控行业的应用得到了积极的探索。本文基于开源的信用卡数据(该数据具有样本比例极度不平衡的特点),比较不同采样方法对类别不平衡数据分类结果的影响,并应用集成学习算法Stacking融合多个基分类器训练数据,得到更为稳健的分类模型,有效避免了过拟合现象的发生。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄浩		11	44	4.0	6.0
2	郑利沙		1	0	0.0	0.0