【摘要】文章提出一种基于SmoteTomek采样方法和GBDT决策树算法的违约风险预测模型,并以国外P2P平台的海量真实交易数据为例进行了实证分析。方法包括六个步骤:数据预处理、可视化探索性分析、特征选择、模型训练、超参数选择和模型评估。实验结果表明文章采用的SmoteTomek-GBDT算法相比较其他方法(Logistic、Adaboost、XGboost)...
文章提出一种基于SmoteTomek采样方法和GBDT决策树算法的违约风险预测模型,并以国外P2P平台的海量真实交易数据为例进行了实证分析.方法包括六个步骤:数据预处理,可视化探索性分析,特征选择,模型训练,超参数选择和模型评估.实验结果表明文章采用的SmoteTomek-GBDT算法相比较其他方法(Logistic,Adaboost,XGboost)更适用于不平衡...
ML之LoR:利用布鲁塞尔的creditcard数据集进行采样处理(欠采样{Nearmiss/Kmeans/TomekLinks/ENN}、过采样{SMOTE/ADASYN})同时采用LoR算法(PR和ROC评估)进行是否欺诈二分类 目录 利用布鲁塞尔的creditcard数据集进行采样处理(欠采样{Nearmiss/Kmeans/TomekLinks/ENN}、过采样{SMOTE/ADASYN})同时采用LoR算...
Credit Risk Prediction of the Listed Companies Based on SMOTETomek-RFE-MLP Algorithm 准确把握上市公司的信用风险状态对监管者和银行等金融机构意义重大,融合财务指标与非财务指标构建信用风险预测指标集,文章提出了一种上市公司信用风险预测组合算法SMO... LU Zhe,J Zhang - 《Journal of Systems Science and ...
ML之LoR:利用布鲁塞尔的creditcard数据集进行采样处理(欠采样{Nearmiss/Kmeans/TomekLinks/ENN}、过采样{SMOTE/ADASYN})同时采用LoR算法(PR和ROC评估)进行是否欺诈二分类 目录 利用布鲁塞尔的creditcard数据集进行采样处理(欠采样{Nearmiss/Kmeans/TomekLinks/ENN}、过采样{SMOTE/ADASYN})同时采用LoR算法(PR和ROC评估...
ML之LoR:利用布鲁塞尔的creditcard数据集进行采样处理(欠采样{Nearmiss/Kmeans/TomekLinks/ENN}、过采样{SMOTE/ADASYN})同时采用LoR算法(PR和ROC评估)进行是否欺诈二分类 目录 利用布鲁塞尔的creditcard数据集进行采样处理(欠采样{Nearmiss/Kmeans/TomekLinks/ENN}、过采样{SMOTE/ADASYN})同时采用LoR算法(PR和ROC评估...