【摘要】：隨著我國(guó)市場(chǎng)經(jīng)濟(jì)進(jìn)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(shì)。無(wú)論是機(jī)構(gòu)、企業(yè)還是個(gè)人,信用在生產(chǎn)經(jīng)營(yíng)和日常生活中的作用愈發(fā)重要。如今互聯(lián)網(wǎng)經(jīng)濟(jì)的不斷發(fā)展,信用衍生品層出不窮,P2P、網(wǎng)絡(luò)購(gòu)物平臺(tái)等互聯(lián)網(wǎng)公司推出紛繁復(fù)雜的信用消費(fèi)產(chǎn)品。但由于新興平臺(tái)尚處于擴(kuò)大用戶規(guī)模的初步階段,信用風(fēng)險(xiǎn)成為公司發(fā)展的關(guān)鍵問(wèn)題。而“互聯(lián)網(wǎng)+”模式的興起不僅使三大電信運(yùn)營(yíng)商之間的競(jìng)爭(zhēng)白熱化,且使一些互聯(lián)網(wǎng)公司也加入到競(jìng)爭(zhēng)行列。為了爭(zhēng)取更多的用戶資源,電信運(yùn)營(yíng)商不得不降低入網(wǎng)門(mén)檻,但該行為導(dǎo)致用戶欠費(fèi)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(jiàn),信用風(fēng)險(xiǎn)問(wèn)題的研究和解決迫在眉睫。近幾年,人工智能技術(shù)在多個(gè)領(lǐng)域應(yīng)用廣泛,同時(shí)它也為大數(shù)據(jù)問(wèn)題的研究提供了新的解決方案。電信運(yùn)營(yíng)商擁有天然的用戶規(guī)模優(yōu)勢(shì),其數(shù)據(jù)具有場(chǎng)景來(lái)源廣、實(shí)時(shí)性強(qiáng)、真實(shí)可靠、覆蓋的面廣等特點(diǎn),為人工智能算法在信用風(fēng)險(xiǎn)評(píng)級(jí)方面的問(wèn)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(yùn)營(yíng)商用戶信用評(píng)級(jí)的問(wèn)題帶來(lái)新方案。本文首先簡(jiǎn)單介紹了電信運(yùn)營(yíng)商用戶信用評(píng)級(jí)問(wèn)題的研究背景、研究意義、國(guó)內(nèi)外研究現(xiàn)狀、研究目的、創(chuàng)新點(diǎn)、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(diǎn)。接著,以江蘇省某市的電信運(yùn)營(yíng)商用戶的數(shù)據(jù)為例進(jìn)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(jī)模型、多層感知器模型、決策樹(shù)模型、隨機(jī)森林模型、XGBoost模型以及模型融合進(jìn)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(duì)上述模型的擬合結(jié)果進(jìn)行評(píng)價(jià)和對(duì)比。最后,依據(jù)實(shí)證研究的結(jié)果,對(duì)電信運(yùn)營(yíng)商用戶信用評(píng)級(jí)問(wèn)題進(jìn)行總結(jié)和展望。通過(guò)對(duì)包含用戶的身份特征、行為特征、消費(fèi)能力、社交關(guān)系和信用歷史等多維度的數(shù)據(jù)進(jìn)行建模,對(duì)比模型實(shí)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(yùn)營(yíng)商用戶的信用評(píng)級(jí)問(wèn)題中比使用單一模型具有更好的效果。從測(cè)試集的表現(xiàn)來(lái)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(jí)用戶,并且還能避免過(guò)度將正常信用等級(jí)用戶錯(cuò)分的情況。同時(shí),該模型融合中包含交叉驗(yàn)證,可以有效防止模型過(guò)擬合,結(jié)果更具有一般性。因此,通過(guò)研究認(rèn)為該模型融合可以有效輔助電信運(yùn)營(yíng)商及時(shí)預(yù)測(cè)和識(shí)別出不同信用等級(jí)的用戶,減少公司的損失,并能夠?yàn)椴煌庞玫燃?jí)的用戶提供個(gè)性化的服務(wù),提升用戶的滿意程度。
【圖文】：

隨機(jī)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(shù)作為基學(xué)習(xí)器，，逡逑構(gòu)建Ｂａｇｇｉｎｇ集成算法，并在決策樹(shù)的訓(xùn)練過(guò)程中引入隨機(jī)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(hào)：2692603