基于多分类器串并联结构的个人信用评估模型

摘要：

为了降低因贷款者违约给金融机构带来的损失和风险,对贷款者的个人信用进行评估有着极其重要的意义.针对贷款数据集的不平衡和高维特征问题,结合集成学习中串联与并联结构的优点,提出基于多分类器串并联结构的个人信用评估模型.利用SMOTE算法平衡数据集正负样本个数、随机森林计算特征重要性并筛选特征,再在新数据集上训练K近邻、Logistic回归、决策树、支持向量机4个基分类器,将它们的预测概率采用简单平均法进行综合,这样就形成了随机森林与4个基分类器的串并联结构.通过在真实数据集上训练和测试,发现该模型在预测准确率和区分好坏样本上都有显著优势,具有一定的适用性.

关键词：个人信用评估、SMOTE算法、随机森林、串并联结构

所属期刊栏目：44

分类号：O152.1(代数、数论、组合理论)

资助基金：国家自然科学基金;湖南省学位与研究生教育改革研究项目;湖南国家应用数学中心项目

在线出版日期：2023-01-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1-11