基于超参数优化和集成算法的个人信用评估研究
林卫明1
曹杰2
1.南京信息工程大学 数学与统计学院,江苏 南京 2100442.南京信息工程大学 数学与统计学院,江苏 南京 210044;徐州工程学院,江苏 徐州 221018
摘要：为提高信用特征集与目标标签的相关性,降低特征之间的冗余性,采用Person相关系数、卡方、递归特征消除、Lasso回归和随机森林5种特征选择方法投票表决,构造新的特征子集;为进一步提升模型预测效果,选用Hyperband算法对RF、XGboost集成模型参数优化,优化之后的hp-RF、hp-XGboost在Loan数据集上进行五折交叉验证,实证具有更好的识别效果,并在P2P人人贷数据上进行了应用,为我国信用评估的构建提出了新的方式.
关键词：特征选择Hyperband算法交叉验证
分类号：F832.4(金融、银行)
论文发表日期：2020-12-30
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：8( 67-74 )
英文信息