10.3969/j.issn.1006-2475.2020.02.006
基于SMOTE和XGBoost的贷款风险预测方法
近年来,随着在线信贷的飞速发展,贷款总量不断加大,违约概率不断提升.因此对贷款风险进行深入研究,对在线信贷企业预防互联网金融风险是非常具有现实意义的.针对贷款数据非平衡分布、大量噪声、维度高的问题,本文提出一种基于SMOTE和XGBoost的贷款风险预测方法.通过特征工程对数据进行降维和去噪;针对数据的非平衡问题,使用SMOTE算法进行过采样,平衡正负样本数目;基于以上工作,构建XGBoost分类模型,与一些传统分类算法进行对比,然后对比在不同正负样本比例时,预测结果的有效性.实验表明,相比于传统分类模型,XGBoost算法在贷款风险预测模型中具有更好的效果,通过SMOTE算法增加少数类样本的比例可以提高预测结果的有效性.
贷款风险、特征工程、SMOTE算法、XGBoost
TP39(计算技术、计算机技术)
国家自然科学基金资助项目61871260
2020-04-14(万方平台首次上网日期,不代表论文的发表时间)
共5页
26-30