10.3969/j.issn.1674-747X.2021.12.010
客户分组对商业银行个人信用评分模型的提升作用研究
分组模型是指根据借款人的行为特征分出不同的客群,是信用评分模型开发中的重要一环,可以提升信用评分模型的精度.采用模糊C均值聚类和CART决策树两种方法对全部借款人进行分组,并对分组后的每个客群进行WOE数值转换和逻辑回归信用评分模型的构建,通过对比发现分组后信用评分模型的KS和AUC均有提升,其中模糊C均值聚类作为无监督学习方法也取得较好的模型性能.
分组模型;信用评分模型;模糊聚类;CART决策树
39
F820.4;F224(货币)
国家自然科学基金;国家自然科学基金;中国博士后科学基金资助项目
2022-02-22(万方平台首次上网日期,不代表论文的发表时间)
共5页
67-71