10.3969/j.issn.1003-1154.2014.06.038
基于随机森林的个人信用评估模型研究及实证分析
信用评估是商业银行控制和防范信贷风险的关键途径,针对当前个人信用评估模型多使用单一分类器,容易导致过拟合且预测精度有限的问题,提出了基于随机森林组合分类算法的个人信用评估模型,并在实证分析中与KNN、RBF-NET、SVM等单分类器模型以及组合模型GBDT比较,发现基于随机森林组合分类器模型,在个人信用评估的应用中,具有更高的预测精度和稳定性.通过对特征变量评价发现,贷款者个人信息中现有账户状态(透支或有余额等情况)、信贷期限、信贷历史记录、贷款金额对信用风险预测准确率有显著的影响.
个人信用评估、随机森林、特征变量评价
34
F832.332(金融、银行)
国家高技术研究发展计划863计划2012AA12A203
2015-03-06(万方平台首次上网日期,不代表论文的发表时间)
共3页
111-113