基于XGBoost的个人信贷违约预测研究

论文摘要

随着互联网经济的迅猛发展,个人信贷规模在近年来呈现了爆炸式增长。信用风险管控一直是金融机构研究的热点问题。该文对集成学习算法XGBoost应用个人信贷违约预测进行了研究。通过对已有的数据进行分析,并使用XGBoost算法建立个人信贷违约预测模型。实验结果表明,与逻辑回归算法与随机森林算法相比,XGBoost在性能上有更好的表现。通过使用XGBoost算法对特征的重要性进行度量,有助于快速有效地进行个人信贷风险判断。

论文目录

• 1 概述
• 2 XGBoost算法
• 3 基于XGBoost的个人借贷违约预测
•   3.1 数据来源与描述
•   3.2 数据预处理
•   3.3 XGBoost参数调优
•   3.4 模型建立及其性能评估与对比
•   3.5 特征重要性的度量
• 4 结束语

文章来源

类型: 期刊论文

作者: 李学锋

关键词: 集成学习,个人信贷,风险管控,违约预测

来源: 电脑知识与技术 2019年33期

年度: 2019

分类: 信息科技,经济与管理科学

专业: 自动化技术,金融,投资

单位: 湖北文理学院计算机工程学院

分类号: TP181;F832.4

DOI: 10.14004/j.cnki.ckt.2019.3972

页码: 192-194

总页数: 3

文件大小: 1657K

下载量: 371