基于自适应惯性权重PSO-LightGBM的信用风险评估研究OACSTPCD
贷款市场复杂的个人信用风险问题中,信用风险评估模型的构建是十分关键的一步.利用Lending Club数据集,进行信用风险评估模型的构建来预测客户的违约概率.首先进行数据处理,再通过合成少数类过采样技术(SMOTE)算法处理数据正负样本不平衡的问题,获得完备的信用贷款数据.其次采用轻量梯度提升机(LightGBM)模型进行训练,并使用自适应惯性权重的粒子群优化(PSO)算法得到LightGBM的最优参数.与多个主流算法进行对比,实验结果表明,构建的模型有更好的性能.
付芷宁;李慧敏;徐亚田;陶玉虎;高伟;
云南民族大学数学与计算机科学学院,云南昆明650500
计算机与自动化
信用风险不平衡数据合成少数类过采样技术LightGBM模型粒子群优化算法
《云南民族大学学报（自然科学版）》 2024 (003)
P.345-350 / 6
云南省研究生优质课程建设项目(云学位[2022]8号).
评论