基于SMOTE和XGBoost的贷款风险预测方法

• 作者: 刘斌 陈凯
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 贷款风险 特征工程 SMOTE算法 XGBoost
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 算法设计与分析
• 页码范围: 26-30
• 页数: 5页
• 分类号: TP39
• 字数: 4836字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2020.02.006

摘要

近年来,随着在线信贷的飞速发展,贷款总量不断加大,违约概率不断提升.因此对贷款风险进行深入研究,对在线信贷企业预防互联网金融风险是非常具有现实意义的.针对贷款数据非平衡分布、大量噪声、维度高的问题,本文提出一种基于SMOTE和XGBoost的贷款风险预测方法.通过特征工程对数据进行降维和去噪;针对数据的非平衡问题,使用SMOTE算法进行过采样,平衡正负样本数目;基于以上工作,构建XGBoost分类模型,与一些传统分类算法进行对比,然后对比在不同正负样本比例时,预测结果的有效性.实验表明,相比于传统分类模型,XGBoost算法在贷款风险预测模型中具有更好的效果,通过SMOTE算法增加少数类样本的比例可以提高预测结果的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘斌	陕西科技大学电子信息与人工智能学院	53	113	5.0	9.0
2	陈凯	陕西科技大学电子信息与人工智能学院	3	6	1.0	2.0