基于多模型融合的互联网信贷个人信用评估方法

作者：白鹏飞; 安琪; Nicolaas Fransde ROOIJ; 李楠; 周国富

来源：华南师范大学学报(自然科学版), 2017, 49(06): 119-123.

DOI：10.6054/j.jscnun.2017170

• 个人信用评估
• 互联网信贷
• 支持向量机
• 随机森林
• XGBoost
• 模型融合

针对网络个人信用有效评分缺失的问题,分析了互联网信贷个人信用评估数据的特点,选用支持向量机、随机森林和XGBoost分别建立了信用预测模型,并对3种单一模型进行了投票加权融合.基于互联网信贷数据的特点,在特征工程中对样本集特征进行了离散化、归一化和特征组合等处理.为增加对比,对实验数据集进行了FICO评估核心——Logistic回归分析.实验结果表明:3种单一算法性能均优于Logistic回归,XGBoost表现优于支持向量机和随机森林模型,预测相对准确;投票融合模型的表现比单一模型更好,模型分辨能力更优秀,预测精度更高,更适用于互联网信贷个人信用评估.

• 单位
  华南师范大学; 深圳市国华光电研究院; 深圳市国华光电科技有限公司; 华南先进光电子研究院