基于机器学习的信贷违约预测研究  

作　　者：赵川 鞠红梅[2] 王美玲 

机构地区：[1]北京物资学院会计学院,北京101149 [2]北京物资学院信息学院,北京101149

出　　处：《电脑知识与技术》2023年第5期9-11,共3页Computer Knowledge and Technology

基　　金：国家自然科学基金项目“基于动态非线性的大型复杂基因调控网络的建模与分析”(61571052);2021年北京市教委,北京高等教育本科教学改革创新项目《“一师一优课,一课一名师”的数学与统计系列公共基础“金课群”建设》;2020-2021学年大学生科学研究与创业行动计划项目“金融风险预测”(2022109002)共同资助。

摘　　要：近年来金融机构为大量中小企业和个人提供信贷支持服务,在稳定市场经济中发挥了重要作用。文章基于金融机构公开的历史数据,运用逻辑回归(Logistic Regression)、随机森林(Random Forest)、XGBoost和LightGBM这四种机器学习模型,并使用Voting投票算法加以集成,进行信贷违约预测。数值结果表明:基于Voting投票算法融合的表现效果,相较单一的机器学习模型,有着更优秀的预测准确度。

关 键 词：大数据 风险预测 机器学习 信贷违约 投票算法 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]