基于样本依赖代价矩阵的小微企业信用评估方法

作者：张涛; 汪御寒; 李凯^*; 张玥杰

来源：同济大学学报(自然科学版), 2020, 48(01): 149-158.

DOI：10.11908/j.issn.0253-374x.19017

• 信用评估
• 样本依赖
• 最小风险贝叶斯
• XGBoost模型
• 代价敏感学习

针对小微企业信用历史数据规模较小,而且类别不平衡问题较为严重,提出基于样本依赖代价矩阵的Smote XGboost-Bayes Minimum Risk(SXG-BMR)模型,对整体样本进行低倍率过采样,以弱化类别不平衡问题,降低模型过拟合的风险;模型将集成学习模型与最小风险贝叶斯决策相结合,以实现代价敏感。同时,模型中引入了样本依赖的代价矩阵,该代价矩阵不仅与类别有关,而且与样本自身属性有关,可以更为准确地表征代价。使用标准信用数据集和上海市小微企业信用数据集,进行多种算法的对比分析,结果表明,该模型性能优良。

• 单位
  上海财经大学; 复旦大学