基于机器学习的信贷违约预测研究
近年来金融机构为大量中小企业和个人提供信贷支持服务,在稳定市场经济中发挥了重要作用.文章基于金融机构公开的历史数据,运用逻辑回归(Logistic Regression)、随机森林(Random Forest)、XGBoost和LightGBM这四种机器学习模型,并使用Voting投票算法加以集成,进行信贷违约预测.数值结果表明:基于Voting投票算法融合的表现效果,相较单一的机器学习模型,有着更优秀的预测准确度.
大数据、风险预测、机器学习、信贷违约、投票算法
19
TP18(自动化基础理论)
国家自然科学基金;北京市教委北京高等教育本科教学改革创新项目
2023-04-18（万方平台首次上网日期，不代表论文的发表时间）
共3页
9-11
