近年來,P2P網(wǎng)絡借貸中借款人違約風險的識別問題被各互聯(lián)網(wǎng)金融機構重點關注。文章以"人人貸"平臺中的借貸數(shù)據(jù)為樣本,運用CART決策樹、支持向量機（SVM）、BP神經(jīng)網(wǎng)絡和隨機森林等4種主流的機器學習算法,進行代價敏感學習,構建了4種違約風險識別模型并進行比較。研究發(fā)現(xiàn),機器學習算法在多維度借貸數(shù)據(jù)下的違約風險識別中適用性較強,其中樹模型的預測效果顯著優(yōu)于其他兩種模型,尤以隨機森林模型預測效果最佳。 

【文章來源】：江蘇科技信息. 2020,37(16)

【文章頁數(shù)】：5 頁

【部分圖文】：

CART決策樹最大深度尋優(yōu)過程

支持向量機（SVM）是一種應用廣泛的二分類機器學習算法，其基本思路是求解能夠正確劃分訓練數(shù)據(jù)集并且實現(xiàn)幾何間隔最大化的分離超平面。針對非線性及高維數(shù)據(jù)，SVM可利用核函數(shù)將原始空間的數(shù)據(jù)映射到高維空間，在新的特征空間完成分類，基本的SVM模型如下：圖3 BP神經(jīng)網(wǎng)絡隱含層節(jié)點數(shù)尋優(yōu)過程

BP神經(jīng)網(wǎng)絡隱含層節(jié)點數(shù)尋優(yōu)過程


本文編號：3438955