融合数据增广技术与机器学习算法的个人信用评分研究

• 作者: 江开忠 陆健健
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 数据增广技术 机器学习算法 个人信用评分 分类性能评价指标
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 人工智能
• 页码范围: 40-43
• 页数: 4页
• 分类号: TP306
• 字数: 4024字
• 语种: 中文
• DOI: 10.11907/rjdk.192197

摘要

为了提高个人信用评分模型算法预测精准率,受视觉领域数据增广思路启发,提出融合数据增广技术与机器学习算法的个人信用评分模型.该模型首先对原始个人信用数据进行数据增广处理,然后基于机器学习分类算法训练一个二分类个人信用评分模型,最后基于公开个人信用数据集,分别建立未经过数据增广和经过数据增广处理后的个人信用评分模型.对比准确率、精确率、召回率、F1得分、AUC值和ROC曲线等6个性能评价指标,结果显示,相较于仅基于机器学习算法的个人信用评分模型,融合了数据增广技术与机器学习算法的个人信用评分模型使得分类性能得到了一定提升,分类准确率平均高出5%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	江开忠	上海工程技术大学数理与统计学院	28	68	5.0	7.0
2	陆健健	上海工程技术大学管理学院	2	5	1.0	2.0