典型文献
基于代价敏感XGBoost的企业信用评估模型
文献摘要：
我国信用不良的企业数量远小于信用良好的企业数量,样本类别的极端不平衡导致传统的信用评估模型在训练时无法充分学习信用不良企业的特征.为提高极端梯度提升算法(Extreme Gradient Boosting,XGBoost)在企业信用评估这种不平衡分类问题中的准确率,提出一种基于代价敏感XGBoost的企业信用评估模型.在XGBoost算法拟合过程中,加入代价敏感损失函数迫使模型更加关注少数类的特征,并引入贝叶斯优化调整模型的重要超参数.以我国A股市场中小板块企业2016—2020年数据为样本,实证结果表明,基于代价敏感XGBoost的企业信用评估模型能够在保证总体识别精度的情况下提高对信用不良企业的识别准确率.
文献关键词：
损失函数;极端梯度提升算法;代价敏感;企业信用评估
中图分类号：
作者姓名：
张田华;张怡;谢晓金
作者机构：
上海工程技术大学数理与统计学院,上海 201620
文献出处：
引用格式：
[1]张田华;张怡;谢晓金-.基于代价敏感XGBoost的企业信用评估模型)[J].上海工程技术大学学报,2022(02):218-223
A类：
B类：
XGBoost,企业信用评估,信用评估模型,国信,企业数量,本类,极端梯度提升算法,Extreme,Gradient,Boosting,不平衡分类,分类问题,代价敏感损失函数,迫使,少数类,贝叶斯优化,优化调整,超参数,股市,中小板,年数,识别精度,识别准确率
AB值：
0.262203
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。
