融合数据增广技术与机器学习算法的个人信用评分研究

发布时间：2020-12-22 09:11

　　为了提高个人信用评分模型算法预测精准率,受视觉领域数据增广思路启发,提出融合数据增广技术与机器学习算法的个人信用评分模型。该模型首先对原始个人信用数据进行数据增广处理,然后基于机器学习分类算法训练一个二分类个人信用评分模型,最后基于公开个人信用数据集,分别建立未经过数据增广和经过数据增广处理后的个人信用评分模型。对比准确率、精确率、召回率、F1得分、AUC值和ROC曲线等6个性能评价指标,结果显示,相较于仅基于机器学习算法的个人信用评分模型,融合了数据增广技术与机器学习算法的个人信用评分模型使得分类性能得到了一定提升,分类准确率平均高出5%。 

【文章来源】：软件导刊. 2020年08期

【文章页数】：4 页

【部分图文】：

数据增广实例

由表3可以看出，在德国信用数据集上，除回归（lr）、朴素贝叶斯（mnb）与数据增广技术融合后的模型较原模型性能低外，其它6个融合模型都比原模型性能好，特别是k近邻（knn）、决策树（dtc）、随机森林（rfc）、极限梯度提升（XGBoost）、梯度提升树（GBDT）等融合后的模型在所有性能指标上都比原模型要高出不少，准确率平均高出6%左右。由图2可以看出，两个ROC曲线凸出，也即在德国数据集上，经过与数据增广技术融合的算法性能都得到了显著提升。

【参考文献】：
期刊论文
[1]基于数据增广和CNN的地震随机噪声压制[J]. 王钰清,陆文凯,刘金林,张猛,苗永康.  地球物理学报. 2019(01)
[2]基于优化分类的数据增广方法[J]. 蒋梦莹,林小竹,柯岩.  计算机工程与设计. 2018(11)
[3]基于Faster R-CNN及数据增广的满文文档印章检测[J]. 卢海涛,吴磊,周建云,郑蕊蕊,贺建军.  大连民族大学学报. 2018(05)
[4]一种基于Boosting的集成学习算法在银行个人信用评级中的应用[J]. 陈力,黄艳莹,游德创.  价值工程. 2017(18)
[5]基于迁移学习的客户信用评估模型研究[J]. 朱兵,贺昌政,李慧媛.  运筹与管理. 2015(02)
[6]银行客户信用评估动态分类器集成选择模型[J]. 肖进,刘敦虎,顾新,汪寿阳.  管理科学学报. 2015(03)
[7]基于随机森林的个人信用评估模型研究及实证分析[J]. 萧超武,蔡文学,黄晓宇,陈康.  管理现代化. 2014(06)
[8]个人信用评分关键技术研究的新进展[J]. 向晖,杨胜刚.  财经理论与实践. 2011(04)
[9]基于PSO的个人信用评估组合预测模型[J]. 殷爽,姜明辉.  经济研究导刊. 2008(14)
[10]精炼决策树模型在个人信用评估中的应用[J]. 朱毅峰,孙亚南.  统计教育. 2008(01)

硕士论文
[1]我国P2P网络信贷风险评估研究[D]. 刘峙廷.广西大学 2013
[2]遗传规划模型在我国个人信用评估中的应用研究[D]. 金妍彦.哈尔滨工业大学 2006



本文编号：2931511