典型文献
大数据背景下互联网金融信贷风险预测研究
文献摘要：
大数据、人工智能技术领域的快速发展应用,正在持续不断加速传统金融产业的变革发展.许多第三方金融信贷机构均已经率先将大数据挖掘和数据分析技术,成功应用于信用与贷款违约风险评估预测.本文利用机器学习的Random-Forest、XGBoost和LightGBM算法,建立个人信贷违约预测模型,并与常见的逻辑回归信用风险模型比较,从AUC、KS值等各项指标数据可以看出相比逻辑回归,基于集成学习的模型效果在信贷违约预测场景具有更好的效果,且XGBoost相比Ran-domForest、LightGBM在信贷违约预测场景具有更好性能.
文献关键词：
数据挖掘;数字金融;信贷风险预测;集成学习
中图分类号：
作者姓名：
李鑫
作者机构：
首都经济贸易大学 北京 100026
文献出处：
引用格式：
[1]李鑫-.大数据背景下互联网金融信贷风险预测研究)[J].现代营销,2022(20):134-136
A类：
信贷风险预测,domForest
B类：
大数据背景下,互联网金融,金融信贷,预测研究,技术领域,发展应用,传统金融,金融产业,变革发展,大数据挖掘,数据分析技术,成功应用,贷款违约,违约风险评估,评估预测,Random,XGBoost,LightGBM,个人信贷,信贷违约,违约预测模型,逻辑回归,信用风险,风险模型,模型比较,KS,集成学习,好性,数字金融
AB值：
0.355645
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。
