基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了解决西南财经大学"新网银行杯"竞赛数据中存在的高维稀疏数据、无标签数据、多产品客群来源及好坏样本不平衡等问题,采用机器学习方法,如Logistic回归、决策树、Adaboost、GradientBoosting和LGB模型对数据进行训练,得出LGB模型的性能评价指标A UC数值最大的结论.
推荐文章
机器学习算法信用风险预测模型
GBDT算法
机器学习
信用风险
基于MFOA算法的SVM模型在信用风险评估中的应用
信用风险评估
支持向量机
群智能算法
果蝇优化算法
基于支持向量机的企业信用风险评估研究
支持向量机
信用风险
核函数
泛化
人工神经网络
基于CPV模型改进的信用风险宏观压力测试研究
CPV模型
宏观压力测试
多重共线性
偏最小二乘法
蒙特卡洛模拟
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于机器学习算法的信用风险预测模型研究
来源期刊 企业科技与发展 学科
关键词 信用风险预测 机器学习 性能评价指标
年,卷(期) 2021,(3) 所属期刊栏目 企业科技创新
研究方向 页码范围 46-48
页数 3页 分类号 F830.589
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (14)
共引文献  (7)
参考文献  (2)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1970(1)
  • 参考文献(0)
  • 二级参考文献(1)
1975(1)
  • 参考文献(0)
  • 二级参考文献(1)
1977(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(3)
  • 参考文献(1)
  • 二级参考文献(2)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
信用风险预测
机器学习
性能评价指标
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
企业科技与发展
月刊
1674-0688
45-1359/T
大16开
广西南宁市星湖路24号
48-158
1985
chi
出版文献量(篇)
19506
总下载数(次)
59
总被引数(次)
30344
论文1v1指导