基于RF-SMOTE-XGboost下的银行用户个人信用风险评估模型

• 作者: 张雷 王家琪 罗帅 费职友 隋京岐
• 来源期刊: 现代电子技术
• 关键词: 信用风险评估 SMOTE算法 特征提取 采样处理 XGboost 实例验证
• 年，卷（期）: 2020,（16）
• 所属期刊栏目: 计算机科学与应用
• 页码范围: 76-81
• 页数: 6页
• 分类号: TN915.08-34|TP391.9
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2020.16.020

摘要

大数据时代下,用户信用数据中的高维稀疏特征与样本不平衡现象日益显著.为处理高维特征,文中采用随机森林(RF)从Filter和Wrapper角度进行特征提取,并用SMOTE算法对训练集样本做采样处理.模型训练阶段使用粒子群优化算法对XGboost模型做分类精度提高.最后,采用一开源银行数据集提供的数据进行实例验证.结果表明,相较于一般的GBDT模型和网格搜索法,所建立的模型在评估时具有更好的精度与收敛性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张雷	重庆交通大学数学与统计学院	60	74	5.0	6.0
5	隋京岐	重庆交通大学经济与管理学院	7	7	2.0	2.0
6	王家琪	重庆交通大学数学与统计学院	6	1	1.0	1.0
7	费职友	重庆交通大学信息科学与工程学院	1	0	0.0	0.0
8	罗帅	重庆交通大学数学与统计学院	1	0	0.0	0.0