基于DESMID-AD动态选择的类别不平衡信用评估模型

摘要：

针对现实信用评估业务中样本类别不平衡和代价敏感的情况,为降低信用风险评估的误分类损失,提出一种基于DESMID-AD动态选择的信用评估集成模型,根据每一个测试样本的特点动态地选择合适的基分类器对其进行信用预测.为提高模型对信用差客户(小类)的识别能力,在基分类器训练前使用过采样的方法对训练数据作类别平衡,采用元学习的方式基于多个指标进行基分类器的性能评估并在此阶段设计权重机制增强小类的影响.在三个公开信用评估数据集上,以AUC、一型、二型错误率以及误分类代价作为评价指标,与九种信用评估常用模型做比较,证明了该方法在信用评估领域的有效性和可行性.

关键词：信用评估;类别不平衡;代价敏感;动态选择;动态集成选择;集成学习

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：国家文旅部信息化推进项目MCT2020XZ05

在线出版日期：2021-12-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：3604-3610