基于GBDT+LR模型在个人信用风险评估中的研究

随着信贷业务的发展,个人信用风险评估成为重要的研究问题。不同于传统的分类器:逻辑回归模型,决策树模型,随机森林模型,本文提出了一种基于梯度提升决策树算法(GBDT)与逻辑回归(LR)算法的个人信用风险评估模型,基于LendingClub的个人信贷数据进行实证分析,利用准确率、AUC值等分类器性能指标对分类器模型进行评价,结果表明该模型有明显优于常用的逻辑回归、决策树等模型的信用评估效果,具有更好的稳定性和预测性能。