基于XGBoost的个人信贷违约预测研究
作者：李学锋
来源：《电脑知识与技术》2019年第33期
摘要：随着互联网经济的迅猛发展，个人信贷规模在近年来呈现了爆炸式增长。信用风险管控一直是金融机构研究的热点问题。该文对集成学习算法XGBoost应用个人信贷违约预测进行了研究。通过对已有的数据进行分析，并使用XGBoost算法建立个人信贷违约预测模型。实验结果表明，与逻辑回归算法与随机森林算法相比，XGBoost在性能上有更好的表现。通过使用XGBoost算法对特征的重要性进行度量，有助于快速有效地进行个人信贷风险判断。
rice什么意思>英语翻译专业 关键词：XGBoost;集成学习;个人信贷;风险管控;违约预测
fba全称
成都沃尔得 中图分类号：TP391 文献标识码：A
tenting 文章编号：1009-3044（2019）33-0192-03
1概述
近年来我国经济迅猛发展，金融消费服务规模不断攀升。金融公司推出了各种普惠金融服务，并通过互联网、手机APP等渠道，让更广泛的人可以参与进来，极大地拓展了金融服务的广度和深度;移动互联网广泛发展与应用，手机移动服务操作的简单与便捷，让人们的消费习惯与消费观念与传统相比都发生了改变，信贷比原来更容易被接受。因此，我国近几年的信贷规模呈现了爆炸式的增长。中国人民银行数据显示，消费金融市场规模已由2010年1月的6798亿元攀升至2018年10月84537亿元。话剧剧本网
怎么读estore 随着信贷规模增长，信贷风险也随之增加。为保障信贷市场健康有序地发展，对信贷风险进行评估预测，一直是研究的热点问题。信贷违约预测在技术上可分为两大类，第一类主要使用统计分析的方法，如，使用线性回归的违约预测，如文献[1];使用Logistics回归的违约预测，如文献[2-3]等。另一类主要是基于机器学习进行违约预测，比如决策树、人
陕西二级建造师报名时间工神经网络、支持向量机等。从现有的预测结果上看，相对于统计分析方法，机器学习方法的违约预测在准确度上表现更加优越。
非谓语动词
