【摘要】：隨著“互聯(lián)網(wǎng)+”時(shí)代的到來,我國(guó)互聯(lián)網(wǎng)金融行業(yè)飛速發(fā)展,給人們信用消費(fèi)帶來了快捷與便利。信用消費(fèi)在促進(jìn)經(jīng)濟(jì)繁榮發(fā)展方面充當(dāng)著一個(gè)重要的角色,人們信用消費(fèi)意愿逐漸加強(qiáng)和消費(fèi)能力也逐漸提高。國(guó)內(nèi)的大多數(shù)互聯(lián)網(wǎng)金融行業(yè)公司也逐漸把個(gè)人信用消費(fèi)業(yè)務(wù)作為后續(xù)研究突破的重要領(lǐng)域之一。然而,個(gè)人信用數(shù)據(jù)規(guī)模正在逐漸擴(kuò)大,社交平臺(tái)的社交數(shù)據(jù)和電商平臺(tái)的電商數(shù)據(jù)等都可以作為其一部分,互聯(lián)網(wǎng)金融個(gè)人信用原始數(shù)據(jù)集數(shù)據(jù)類型復(fù)雜而且數(shù)據(jù)量大。絕大多數(shù)的互聯(lián)網(wǎng)金融行業(yè)公司的個(gè)人信用評(píng)估方法的評(píng)估結(jié)果不是很理想,這使得個(gè)人信用消費(fèi)業(yè)務(wù)發(fā)展緩慢。本文針對(duì)上述問題,通過分析GBDT與LR兩種模型的優(yōu)缺點(diǎn)和互補(bǔ)性,即LR線性模型處理速度快、對(duì)全局把握性好但是對(duì)特征要求比較高,GBDT適合處理非線性數(shù)據(jù),其思想可以用來構(gòu)造組合特征,充分挖掘數(shù)據(jù)信息,然而卻不能并行進(jìn)行不適合處理數(shù)據(jù)量大的數(shù)據(jù)集,提出了基于GBDT與LR融合的模型。根據(jù)UCI德國(guó)信用數(shù)據(jù)集,通過實(shí)驗(yàn)單一變量方法利用GBDT模型從原始大量數(shù)據(jù)中獲得組合特征,并將構(gòu)造的新的特征與原始數(shù)據(jù)特征一起在利用LR進(jìn)行訓(xùn)練,通過將得到的結(jié)果與其他單一模型進(jìn)行比較,得到了基于GBDT與LR融合的信用評(píng)估模型在預(yù)測(cè)準(zhǔn)確率為87.7%,比單一模型高出很多,方差1.82表明其在穩(wěn)定性上也具有一定的優(yōu)勢(shì),此融合模型可以進(jìn)行推廣應(yīng)用。進(jìn)一步將基于GBDT和LR的融合模型應(yīng)用到互聯(lián)網(wǎng)金融數(shù)據(jù)集上,本次實(shí)驗(yàn)采用“Give me some credit”信用數(shù)據(jù),首先引入了互聯(lián)網(wǎng)金融個(gè)人信用評(píng)估指標(biāo)體系,在此體系之上對(duì)數(shù)據(jù)集進(jìn)行了數(shù)據(jù)預(yù)處理,針對(duì)處理好的數(shù)據(jù)集,分別建立了基于GBDT的評(píng)估模型、基于LR的評(píng)估模型、基于GBDT和LR融合的模型,實(shí)驗(yàn)結(jié)果顯示該融合模型得到的AUC值高達(dá)0.85,相較于單一模型有顯著提高。本文通過理論和實(shí)驗(yàn)進(jìn)行了論證,基于GBDT與LR的個(gè)人信用評(píng)估模型在互聯(lián)網(wǎng)金融個(gè)人信用評(píng)估領(lǐng)域具有一定的優(yōu)勢(shì),推動(dòng)我國(guó)互聯(lián)網(wǎng)金融行業(yè)的不斷發(fā)展創(chuàng)新方面具有很大的實(shí)踐意義,值得研究。
【圖文】：

圖 2-1 信用評(píng)估過程Figure.2-1 The Process of Credit Evaluation在上圖 2-1 中，互聯(lián)網(wǎng)金融模型建立的時(shí)候，我們需要考慮消費(fèi)者歷史信用數(shù)據(jù)特征的選擇，選擇什么樣的分類模型來進(jìn)行訓(xùn)練，如何評(píng)價(jià)訓(xùn)練模型的好壞等問題。在這些問題中，，選擇適當(dāng)?shù)姆诸惸Ｐ妥顬殛P(guān)鍵，本文使用基于 LR 和GBDT 融合的模型，本章接下來的幾節(jié)將詳細(xì)介紹該模型建立涉及到的理論基礎(chǔ)。2.3 個(gè)人信用評(píng)估統(tǒng)計(jì)方法概論2.3.1 奧卡姆剃刀原理奧卡姆剃刀定律是一個(gè)簡(jiǎn)單并且有效的原理，在機(jī)器學(xué)習(xí)中，我們應(yīng)當(dāng)選擇的模型是可以充分解讀現(xiàn)有數(shù)據(jù)并且非常簡(jiǎn)化的模型，即如果有一個(gè)簡(jiǎn)單模型和一個(gè)復(fù)雜模型在同一個(gè)數(shù)據(jù)集上都有很好地表現(xiàn)效果，那個(gè)簡(jiǎn)單的模型才是應(yīng)當(dāng)被使用的，這樣不僅可以節(jié)約資源、減少浪費(fèi)，還可以提高效率，是我們所追求[24]

線性回歸的模型函數(shù)如下公式（2-6）所示：= LR（邏輯回歸）是經(jīng)常使用的二分類模型[26]，需要強(qiáng)調(diào)一點(diǎn)即便名字歸，邏輯回歸模型也并不是回歸模型，而是一種經(jīng)典的分類模型。L線性模型，其思想是基于線性回歸的，如下公式（2-7）：=tthhh下面公式（2-8）為 Sigmod 函數(shù)：y x =tthhht-8)求導(dǎo)有：'=thhthhthtt= t t h Sigmoid 函數(shù)的圖像分布如圖 2-2：
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP393.09;F724.6;F832.4

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李新穎;;個(gè)人信用評(píng)估研究綜述[J];現(xiàn)代商業(yè);2013年21期

2 史寧;;商業(yè)銀行對(duì)個(gè)人信用評(píng)估的組合預(yù)測(cè)模型[J];商業(yè)研究;2009年11期

3 林鎮(zhèn)鴻;陶應(yīng)根;吳二嬌;;個(gè)人信用評(píng)估模型的選擇與修正[J];科技創(chuàng)業(yè)月刊;2006年04期

4 李俊麗;王家傳;;關(guān)于農(nóng)戶個(gè)人信用評(píng)估的思考[J];南方農(nóng)村;2006年03期

5 魏志靜;劉希玉;魏之旭;;基于支持向量機(jī)的個(gè)人信用評(píng)估方法初探[J];信息技術(shù)與信息化;2006年06期

6 宋立峰;魏冬云;;對(duì)建立我國(guó)個(gè)人信用評(píng)估體系的設(shè)想[J];遼寧經(jīng)濟(jì);2005年12期

7 朱敏,謝榮;構(gòu)建我國(guó)個(gè)人信用評(píng)估體系兩大問題之思考[J];黑河學(xué)刊;2005年01期

8 崔金朝;我國(guó)個(gè)人信用評(píng)估體系探析[J];邢臺(tái)職業(yè)技術(shù)學(xué)院學(xué)報(bào);2004年04期

9 何金旗;推進(jìn)個(gè)人信用制度的關(guān)鍵:個(gè)人信用評(píng)估體系的建立[J];經(jīng)濟(jì)師;2004年09期

10 戴志敏,姜宇霏;關(guān)于我國(guó)銀行個(gè)人信用評(píng)估模型的設(shè)計(jì)[J];企業(yè)經(jīng)濟(jì);2003年04期

相關(guān)會(huì)議論文 前9條

1 邢立寧;;基于神經(jīng)網(wǎng)絡(luò)的個(gè)人信用評(píng)估模型[A];管理科學(xué)與系統(tǒng)科學(xué)研究新進(jìn)展——第7屆全國(guó)青年管理科學(xué)與系統(tǒng)科學(xué)學(xué)術(shù)會(huì)議論文集[C];2003年

2 周曉飛;石勇;;基于數(shù)據(jù)挖掘的金融信用評(píng)估概述[A];第四屆（2009）中國(guó)管理學(xué)年會(huì)——管理科學(xué)與工程分會(huì)場(chǎng)論文集[C];2009年

3 王芝s

本文編號(hào)：2629551