| 基于Stacking特征增强多粒度联级Logistic的个人信用评估 |
| |
| 引用本文： | 侯天宝,王爱银.基于Stacking特征增强多粒度联级Logistic的个人信用评估[J].河南师范大学学报(自然科学版),2023(3):111-122. |
| |
| 作者姓名： | 侯天宝 王爱银 |
| |
| 作者单位： | 新疆财经大学统计与数据科学学院 |
| |
| 基金项目： | 国家社科基金(18BJL072)； |
| |
| 摘 要： | 主要针对广受关注的P2P网贷信用评估问题，利用机器学习方法提高申请人网贷违约预测准确率，研究出基于Stacking特征增强多粒度联级Logistic方法及其应用.所提分类器是一种混合模型，结合了Stacking集成学习和联级Logistic学习的思想.首先，通过网格搜索技术分别建立XGBoost, Catboost, LightGBM,AdaBoost以及Gradient Boosting模型，并筛选出适合的基评估器作为Stacking集成的初级学习器，logistic模型作为次级学习器，构建基于Stacking的多粒度扫描器，生成预测结果作为元特征，拼接成新特征数据.其次，通过新特征数据以及元特征在每级Logistic上的特征增强建立联级Logistic Regression模型，并且与现有的单一集成学习器和各基评估器在3个不同的P2P网贷信用评估数据集上进行对比.实验结果表明，通过AUC、准确率等指标对其进行评价，相比于各基评估器以及其他单一集成分类器，基于Stacking增强多粒度联级Logistic模型有较高的准确率，预测效果更优.
|
| 关 键 词： | 个人信用 特征增强 Stacking集成 多粒度扫描 联级Logistic模型 |
|
|
