基于样本依赖代价矩阵的小微企业信用评估方法

• 作者: 张涛 张玥杰 李凯 汪御寒
• 来源期刊: 同济大学学报（自然科学版）
• 学科: 工学
• 关键词: 信用评估 样本依赖 最小风险贝叶斯 XGBoost模型 代价敏感学习
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 经济与管理科学
• 页码范围: 149-158
• 页数: 10页
• 分类号: TP391
• 字数: 9638字
• 语种: 中文
• DOI: 10.11908/j.issn.0253-374x.19017

摘要

针对小微企业信用历史数据规模较小,而且类别不平衡问题较为严重,提出基于样本依赖代价矩阵的Smote XGboost?Bayes Minimum Risk(SXG?BMR)模型,对整体样本进行低倍率过采样,以弱化类别不平衡问题,降低模型过拟合的风险;模型将集成学习模型与最小风险贝叶斯决策相结合,以实现代价敏感.同时,模型中引入了样本依赖的代价矩阵,该代价矩阵不仅与类别有关,而且与样本自身属性有关,可以更为准确地表征代价.使用标准信用数据集和上海市小微企业信用数据集,进行多种算法的对比分析,结果表明,该模型性能优良.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张玥杰	复旦大学计算机科学技术学院	25	605	11.0	24.0
5	张涛	上海财经大学信息管理与工程学院	33	493	11.0	21.0
9	李凯	上海财经大学信息管理与工程学院	4	18	2.0	4.0
10	汪御寒	上海财经大学信息管理与工程学院	1	1	1.0	1.0