典型文献
基于多分类器串并联结构的个人信用评估模型
文献摘要：
为了降低因贷款者违约给金融机构带来的损失和风险,对贷款者的个人信用进行评估有着极其重要的意义.针对贷款数据集的不平衡和高维特征问题,结合集成学习中串联与并联结构的优点,提出基于多分类器串并联结构的个人信用评估模型.利用SMOTE算法平衡数据集正负样本个数、随机森林计算特征重要性并筛选特征,再在新数据集上训练K近邻、Logistic回归、决策树、支持向量机4个基分类器,将它们的预测概率采用简单平均法进行综合,这样就形成了随机森林与4个基分类器的串并联结构.通过在真实数据集上训练和测试,发现该模型在预测准确率和区分好坏样本上都有显著优势,具有一定的适用性.
文献关键词：
个人信用评估;SMOTE算法;随机森林;串并联结构
中图分类号：
作者姓名：
杨柳;孙带
作者机构：
湖南国家应用数学中心,湖南 湘潭 411105;湘潭大学 数学与计算科学学院,湖南 湘潭 411105
文献出处：
引用格式：
[1]杨柳;孙带-.基于多分类器串并联结构的个人信用评估模型)[J].湘潭大学学报（自然科学版）,2022(06):1-11
A类：
B类：
多分类器,串并联结构,个人信用评估,信用评估模型,贷款,违约,金融机构,款数,高维特征,特征问题,合集,集成学习,SMOTE,平衡数据集,正负样本,特征重要性,新数据,近邻,决策树,基分类器,平均法,真实数据,预测准确率,分好,好坏,显著优势
AB值：
0.281638
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
