基于CPSO-XGboost的个人信用评估

摘要：

在大数据时代的背景下,个人信用数据指标日益繁杂.为降低个人信用数据冗余性,使用基于随机森林与梯度提升决策树组合的特征选取方法;提出混沌粒子群算法优化XGboost信用评估模型参数,提高个人信用评估准确性.实例分析结果表明,CPSO-XGboost相比XGboost、Logistic和SVM在个人信用评估中具有更高的稳定性和准确性.

关键词：个人信用评估、极端梯度提升树、混沌粒子群、特征选择、随机森林、梯度提升决策树

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目71571092

在线出版日期：2019-08-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1891-1895