典型文献
基于卷积神经网络的网贷违约风险模型研究
文献摘要：
自互联网金融诞生以来,网络贷款得到了快速发展,但是借贷双方的信息不对称增加了网贷的违约风险,同时随着互联网技术的发展网贷用户数据也表现出高维化的趋势,数据处理面临更大的挑战,因此亟需应对该问题并在网贷违约风险上进行准确、稳定的预测.该文提出了卷积神经网络(CNN)和一般机器学习模型结合的预测模型,利用CNN在数据特征提取上的优势来处理高维的网贷用户信息.首先采用数值图形化思想对网贷用户数据进行处理并与CNN对接,其次调整其超参数选择合适的网络模型,然后基于三种一般机器学习模型与CNN的组合进行网贷风险预测测试,最后在真实数据集上使用最优的网贷违约风险预测模型进行预测.实验结果验证了组合模型的显著性以及CNN对一般机器学习模型性能提升的能力,为网贷风险预测提供了一种新思路.
文献关键词：
卷积神经网络;网贷风险;深度学习;特征提取;模型组合
中图分类号：
作者姓名：
钟世钦
作者机构：
合肥工业大学 管理学院,安徽 合肥 230009;合肥工业大学 过程优化与智能决策教育部重点实验室,安徽 合肥 230009
文献出处：
引用格式：
[1]钟世钦-.基于卷积神经网络的网贷违约风险模型研究)[J].计算机技术与发展,2022(05):123-129
A类：
网贷风险
B类：
违约风险模型,互联网金融,网络贷款,借贷,信息不对称,用户数据,高维,机器学习模型,数据特征,用户信息,图形化,超参数,参数选择,真实数据,风险预测模型,组合模型,模型性能,性能提升,模型组合
AB值：
0.20146
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。
