基于改进GS-XGBoost的个人信用评估

作者：李欣^*; 俞卫琴

来源：计算机系统应用, 2020, 29(11): 145-150.

DOI：10.15888/j.cnki.csa.007624

• 网格搜索
• 信用评估
• GS-XGBoost
• 参数寻优

信用评估分类器的好坏能够直接影响信贷金融机构的盈利能力.传统的网格搜索法进行参数寻优时会耗费大量的时间,基于此提出改进的网格搜索法优化XGBoost (GS-XGBoost)的个人信用评估算法.该算法利用随机森林进行特征选择后,将改进的网格搜索法对XGBoost中的nestimators和learningrate进行参数寻优,建立评估模型.从UCI数据库中选取信贷数据进行分析,分别与支持向量机、随机森林、逻辑回归、神经网络以及未改进的XGBoost进行比较.实验结果表明,该模型的F-score和G-mean的值均有提高.

• 单位
  上海工程技术大学