發(fā)布時間：2020-06-02 04:24

【摘要】：隨著我國市場經(jīng)濟進入高質(zhì)量發(fā)展階段,信用體系的建設(shè)成為一種必然趨勢。無論是機構(gòu)、企業(yè)還是個人,信用在生產(chǎn)經(jīng)營和日常生活中的作用愈發(fā)重要。如今互聯(lián)網(wǎng)經(jīng)濟的不斷發(fā)展,信用衍生品層出不窮,P2P、網(wǎng)絡(luò)購物平臺等互聯(lián)網(wǎng)公司推出紛繁復(fù)雜的信用消費產(chǎn)品。但由于新興平臺尚處于擴大用戶規(guī)模的初步階段,信用風(fēng)險成為公司發(fā)展的關(guān)鍵問題。而“互聯(lián)網(wǎng)+”模式的興起不僅使三大電信運營商之間的競爭白熱化,且使一些互聯(lián)網(wǎng)公司也加入到競爭行列。為了爭取更多的用戶資源,電信運營商不得不降低入網(wǎng)門檻,但該行為導(dǎo)致用戶欠費轉(zhuǎn)網(wǎng)現(xiàn)象頻繁發(fā)生,也是公司造成虧損的重要原因。如此可見,信用風(fēng)險問題的研究和解決迫在眉睫。近幾年,人工智能技術(shù)在多個領(lǐng)域應(yīng)用廣泛,同時它也為大數(shù)據(jù)問題的研究提供了新的解決方案。電信運營商擁有天然的用戶規(guī)模優(yōu)勢,其數(shù)據(jù)具有場景來源廣、實時性強、真實可靠、覆蓋的面廣等特點,為人工智能算法在信用風(fēng)險評級方面的問題解決提供了數(shù)據(jù)支持。因此,人工智能算法也為解決電信運營商用戶信用評級的問題帶來新方案。本文首先簡單介紹了電信運營商用戶信用評級問題的研究背景、研究意義、國內(nèi)外研究現(xiàn)狀、研究目的、創(chuàng)新點、研究方法和論文結(jié)構(gòu)。其次,詳細(xì)論述了人工智能算法的基本概念、模型的基本原理及其優(yōu)缺點。接著,以江蘇省某市的電信運營商用戶的數(shù)據(jù)為例進行數(shù)據(jù)處理、變量篩選等工作,并分別采用邏輯回歸模型、支持向量機模型、多層感知器模型、決策樹模型、隨機森林模型、XGBoost模型以及模型融合進行擬合,選擇準(zhǔn)確率、宏查準(zhǔn)率、宏查全率、宏F1、ROC曲線和AUC值等指標(biāo)對上述模型的擬合結(jié)果進行評價和對比。最后,依據(jù)實證研究的結(jié)果,對電信運營商用戶信用評級問題進行總結(jié)和展望。通過對包含用戶的身份特征、行為特征、消費能力、社交關(guān)系和信用歷史等多維度的數(shù)據(jù)進行建模,對比模型實證結(jié)果得出:基于XGBoost和邏輯回歸的Stacking模型融合在解決電信運營商用戶的信用評級問題中比使用單一模型具有更好的效果。從測試集的表現(xiàn)來看,采用該模型融合不僅能夠區(qū)分出一定比例的信用等級用戶,并且還能避免過度將正常信用等級用戶錯分的情況。同時,該模型融合中包含交叉驗證,可以有效防止模型過擬合,結(jié)果更具有一般性。因此,通過研究認(rèn)為該模型融合可以有效輔助電信運營商及時預(yù)測和識別出不同信用等級的用戶,減少公司的損失,并能夠為不同信用等級的用戶提供個性化的服務(wù),提升用戶的滿意程度。
【圖文】：

隨機森林模型是集成學(xué)習(xí)理論中非常著名的算法。它把決策樹作為基學(xué)習(xí)器，，逡逑構(gòu)建Ｂａｇｇｉｎｇ集成算法，并在決策樹的訓(xùn)練過程中引入隨機特征選擇。具體的流逡逑程如圖２－２。逡逑ｂｗｌｓｔｒａｐ邋抽樣逡逑邐邋＼邋邐逡逑%煎危危翦

本文編號：2692603