面向高维数据的个人信贷风险评估方法

• 作者: 廖文雄 徐雅芸 曾碧 梁天恺 赵俊峰
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: XGBoost 特征选择 机器学习 信贷评估
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 工程与应用
• 页码范围: 219-224
• 页数: 6页
• 分类号: TP312
• 字数: 5205字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1811-0089

摘要

随着电商平台分期付款方式和P2P信贷平台的不断推广,如何从海量的用户信贷数据中挖掘出潜在的用户模型并对未知用户进行信贷风险评估,以降低信贷业务的风险,已经成为研究的主流.针对现有方法无法高效处理高维度信贷数据的问题,使用一系列的数据预处理方法和基于Embedded思想的特征选择方法XGBFS(XGBoost Feature Selection),以降低用户信贷数据维度并训练出XGBoost评估模型,最终实现用户信贷风险评估.实验表明,与现有的方法相比,该方法能够从高维的数据中选择出重要属性,并且分类器在精确率、召回率等方面具有较为突出的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曾碧	广东工业大学计算机学院	106	646	12.0	19.0
2	赵俊峰	广东工业大学计算机学院	2	1	1.0	1.0
3	徐雅芸	广东工业大学计算机学院	2	1	1.0	1.0
4	梁天恺	广东工业大学计算机学院	3	1	1.0	1.0
5	廖文雄	广东工业大学计算机学院	3	1	1.0	1.0