基于机器学习的信贷逾期检测模型研究  

作　　者：侯浩鑫 赵志红[1] 

机构地区：[1]北京理工大学珠海学院,广东珠海519088

出　　处：《科技与创新》2021年第12期49-50,53,共3页Science and Technology & Innovation

基　　金：北京理工大学珠海学院科研发展基金项目(编号:XJZ-2019-02)。

摘　　要：基于某信贷机构历史业务原始数据,经过数据预处理后,分别建立决策树、逻辑斯蒂、BP神经网络和随机森林预测模型,得到的准确率不超过90%。再对原始数据进行特征分箱后,通过XGBoost算法建立模型,准确率提高为91.2%。最后,基于Cook距离的多元模型检测到的离群点与逾期客户有显著关系,模型准确率为96.7%,召回率为99.3%。

关 键 词：逾期检测 特征分箱 机器学习 COOK距离 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]