互聯(lián)網(wǎng)的快速發(fā)展帶動(dòng)了線上經(jīng)濟(jì)的活躍,第三方支付的不斷更新,各種信貸產(chǎn)品層出不窮,信用問(wèn)題越發(fā)突出.為了我國(guó)信貸經(jīng)濟(jì)的健康發(fā)展,2018年底至2019年初,中國(guó)人民銀行的二代征信系統(tǒng)進(jìn)行了試運(yùn)行.新的征信系統(tǒng)增加了非銀行機(jī)構(gòu)的業(yè)務(wù),并擴(kuò)大了數(shù)據(jù)收集的渠道,目的是運(yùn)用先進(jìn)的技術(shù)提供更高效、更精準(zhǔn)的服務(wù),但該系統(tǒng)尚未成熟,仍有很大的完善空間,尤其是在數(shù)據(jù)挖掘等技術(shù)層面.本文旨在通過(guò)對(duì)比分析與實(shí)證分析相結(jié)合,對(duì)現(xiàn)有的機(jī)器學(xué)習(xí)算法做進(jìn)一步的研究,并采用集成策略優(yōu)化模型,希望能夠提高對(duì)個(gè)人信用違約的識(shí)別與規(guī)避.集成策略的主要思想是在優(yōu)化后的基模型的基礎(chǔ)上,對(duì)這些基模型進(jìn)行優(yōu)化整合從而構(gòu)建性能較穩(wěn)定、精確度較高的模型.本文模型的構(gòu)建思路:基于充分的數(shù)據(jù)清洗,對(duì)模型進(jìn)行貝葉斯超參數(shù)優(yōu)化,根據(jù)模型的精度、預(yù)測(cè)能力和分類能力等方面,對(duì)不同類型的模型進(jìn)行比較并選擇最優(yōu)模型;在此基礎(chǔ)上對(duì)不同類型的模型進(jìn)行三種進(jìn)一步的集成,即Stacking、Blending、Voting集成;最后,從不同的模型評(píng)估角度(精確度、分類能力、泛化能力等)分析集成模型的魯棒性.對(duì)臺(tái)灣信貸數(shù)據(jù)進(jìn)行的實(shí)證分析,即對(duì)比了邏輯回歸、基于...

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

本文編號(hào)：3880508