10.3969/j.issn.2095-0799.2023.09.013
XGBoost-Norm模型在信用建模中的分析研究
文章提出一种基于XGBoost的扩展模型XGBoost-Norm,用以解决信用建模中的类别不均衡问题.XGBoost-Norm借鉴了Batch-Normalize机制对每个学习器的输出进行变换,在常用损失函数上进行了多次独立重复试验和试验结果分析.结果显示:XGBoost-Norm模型在常用的损失函数下,AUC显著提升(0.6%),模型复杂度显著上升;相同AUC指标下,以BCE为损失函数时模型复杂度显著降低.XGBoost-Norm模型能够解决类别不均衡问题,改善模型效果.
信用建模、XGBoost、类别不均衡
31
TP391.41;TP18;Q311
2023-09-19(万方平台首次上网日期,不代表论文的发表时间)
共8页
65-72