隨著人們消費(fèi)觀念的改變,“超前消費(fèi)”的概念被越來越多的人所認(rèn)可,消費(fèi)金融迎來了蓬勃發(fā)展。它能使用戶提前負(fù)擔(dān)起暫時(shí)無法負(fù)擔(dān)的商品,加速商品流轉(zhuǎn),在一定程度上促進(jìn)了經(jīng)濟(jì)的發(fā)展。消費(fèi)金融貸款有著小額、無抵押、無擔(dān)保的特點(diǎn),這些特點(diǎn)使消費(fèi)金融貸款在惠及更多中低收入人群的同時(shí),也為消費(fèi)金融公司帶來了貸款違約的風(fēng)險(xiǎn)。本文嘗試用機(jī)器學(xué)習(xí)的方法預(yù)測(cè)用戶違約的風(fēng)險(xiǎn),降低消費(fèi)金融公司的壞賬率。傳統(tǒng)的機(jī)器學(xué)習(xí)方法通常假設(shè)數(shù)據(jù)是均勻分布的,但消費(fèi)金融貸款數(shù)據(jù)的分布是不平衡的,即未違約用戶的數(shù)量遠(yuǎn)大于違約用戶的數(shù)量,在這種情況下,采用傳統(tǒng)的算法會(huì)導(dǎo)致模型過多地關(guān)注未違約用戶的樣本,導(dǎo)致對(duì)少數(shù)違約用戶的錯(cuò)分,這種錯(cuò)分會(huì)給消費(fèi)金融公司造成極大代價(jià)。因此研究消費(fèi)金融貸款中的不平衡的違約數(shù)據(jù)分類問題有重要意義。本文基于消費(fèi)金融公司捷信的貸款違約數(shù)據(jù),對(duì)用戶是否違約進(jìn)行預(yù)測(cè)。首先對(duì)數(shù)據(jù)做了預(yù)處理和探索性分析,并根據(jù)數(shù)據(jù)特點(diǎn)構(gòu)建新特征,選取xgboost模型中重要性排名前150的特征構(gòu)建模型;其次本文選取xgboost和前沿的lightgbm模型分別建模,采用AUC作為評(píng)估指標(biāo),發(fā)現(xiàn)lightgbm模型整體上優(yōu)于xgboo...

【文章頁數(shù)】：71 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

第1章緒論上海師范大學(xué)碩士學(xué)位論文4圖1-1技術(shù)路線圖1.4本文主要貢獻(xiàn)本文使用捷信提供的消費(fèi)金融貸款數(shù)據(jù)，分別構(gòu)造xgboost、lightgbm及改進(jìn)損失函數(shù)的lightgbm模型來預(yù)測(cè)用戶貸款違約概率，并采用AUC進(jìn)行評(píng)判。對(duì)不同算法的AUC值進(jìn)行對(duì)比，可以發(fā)現(xiàn)改進(jìn)損失函數(shù)....

上海師范大學(xué)碩士學(xué)位論文第3章基于損失函數(shù)的focalloss改進(jìn)19圖3-1損失函數(shù)的單調(diào)遞減形式y(tǒng)f(x)被稱為margin，其作用類似于回歸問題中的殘差yf(x)。常見的二分類損失函數(shù)主要有以下幾種：（1）0-1損失（0-1loss）0-1loss是最原始的損失函數(shù)，它直接....

第3章基于損失函數(shù)的focalloss改進(jìn)上海師范大學(xué)碩士學(xué)位論文20()11fxpe公式（3-5）可表示如下圖圖3-2二元交叉熵的損失表示則可得損失函數(shù)L[ylogp(1y)log(1p)]公式（3-6）即()()()()11[log(1)log(1)]NiiiiiLypypn....

第3章基于損失函數(shù)的focalloss改進(jìn)上海師范大學(xué)碩士學(xué)位論文20()11fxpe公式（3-5）可表示如下圖圖3-2二元交叉熵的損失表示則可得損失函數(shù)L[ylogp(1y)log(1p)]公式（3-6）即()()()()11[log(1)log(1)]NiiiiiLypypn....

本文編號(hào)：3990308