基于贝叶斯优化LightGBM的个人信用评估模型
刘伯圣
邢进生
山西师范大学数学与计算机科学学院 临汾 041000
摘要：针对传统信用评估模型无法处理大规模不平衡数据以及训练用时长、评估不准确等问题,提出了一种优化的个人信用评估模型,模型基于梯度提升框架LightGBM,结合贝叶斯全局优化算法进行个人信用评估.为验证模型适用性,采用Lending Club公开数据集进行相关实验,并与逻辑回归、随机森林、XGBoost模型的预测结果进行比较.实验结果表明,该模型的个人信用评估效果更好,评估准确率达到99.97%,少数类样本F1-score达到89.02%.
关键词：个人信用评估集成学习LightGBM超参数优化特征重要度
分类号：TP18(自动化基础理论)
资助基金：山西省软科学基金项目(2011041033-03)
论文发表日期：2024-06-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 1697-1702 )
英文信息