期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于加权硬投票融合模型的互联网消费金融借款人违约风险预测
1
作者
司筱涵
魏建国
魏英杰
《武汉理工大学学报(社会科学版)》
2022年第3期18-28,共11页
首先分析了互联网消费金融违约风险的特征,运用信息经济学研究互联网消费金融借款人违约风险的形成机制,构建了借款人信用风险评价指标体系。然后构建集XGBoost、LightGBM和Cat-Boost的二分类加权硬投票融合模型,用于预测借款人违约风...
首先分析了互联网消费金融违约风险的特征,运用信息经济学研究互联网消费金融借款人违约风险的形成机制,构建了借款人信用风险评价指标体系。然后构建集XGBoost、LightGBM和Cat-Boost的二分类加权硬投票融合模型,用于预测借款人违约风险。通过实证检验比较不同分类器训练下的预测结果发现:融合模型的预测精准度优于单一模型XGBoost、LightGBM和CatBoost;基于特征重要性排序结果,发现影响贷款者违约的关键因素主要包括贷款利率、年收入、公共事业差评数记录、循环信贷余额等。最后提出了加强借款人违约风险管理的建议。
展开更多
关键词
互联网消费金融
二分类加权
硬投票
违约风险
下载PDF
职称材料
基于集成学习的信用卡欺诈检测模型
2
作者
徐天培
罗永胜
《信息系统工程》
2024年第1期129-132,共4页
旨在探讨和验证一种基于集成学习的信用卡欺诈检测模型,以提高识别欺诈交易的准确性。分析了信用卡欺诈的背景,回顾了现有的关键技术和方法,在此基础上,采用硬投票策略,将决策树、逻辑回归和朴素贝叶斯分类器三种不同的机器学习模型集...
旨在探讨和验证一种基于集成学习的信用卡欺诈检测模型,以提高识别欺诈交易的准确性。分析了信用卡欺诈的背景,回顾了现有的关键技术和方法,在此基础上,采用硬投票策略,将决策树、逻辑回归和朴素贝叶斯分类器三种不同的机器学习模型集成在一起,形成一个强大的集成模型。通过实验验证,该集成模型实现了高达99%的准确性,相较于单一模型至少提高了3.22%的准确性。这种显著的准确性提升归因于模型间的互补性和集成学习的稳健性。不仅为信用卡欺诈检测提供了一种高效的方法,也为其他金融欺诈检测问题提供了有价值的参考。
展开更多
关键词
信用卡欺诈检测
机器学习
集成学习
硬投票
下载PDF
职称材料
题名
基于加权硬投票融合模型的互联网消费金融借款人违约风险预测
1
作者
司筱涵
魏建国
魏英杰
机构
武汉理工大学经济学院
出处
《武汉理工大学学报(社会科学版)》
2022年第3期18-28,共11页
文摘
首先分析了互联网消费金融违约风险的特征,运用信息经济学研究互联网消费金融借款人违约风险的形成机制,构建了借款人信用风险评价指标体系。然后构建集XGBoost、LightGBM和Cat-Boost的二分类加权硬投票融合模型,用于预测借款人违约风险。通过实证检验比较不同分类器训练下的预测结果发现:融合模型的预测精准度优于单一模型XGBoost、LightGBM和CatBoost;基于特征重要性排序结果,发现影响贷款者违约的关键因素主要包括贷款利率、年收入、公共事业差评数记录、循环信贷余额等。最后提出了加强借款人违约风险管理的建议。
关键词
互联网消费金融
二分类加权
硬投票
违约风险
Keywords
Internet consumer finance
binary weighted hard voting
the risk of default
分类号
F832.39 [经济管理—金融学]
下载PDF
职称材料
题名
基于集成学习的信用卡欺诈检测模型
2
作者
徐天培
罗永胜
机构
呼伦贝尔学院
呼伦贝尔市公安局伊敏分局
出处
《信息系统工程》
2024年第1期129-132,共4页
基金
博士基金研究项目“基于大数据技术的电信用户行为序列化分析在欺诈识别中的应用研究”(项目编号:2023BSJJ16)。
文摘
旨在探讨和验证一种基于集成学习的信用卡欺诈检测模型,以提高识别欺诈交易的准确性。分析了信用卡欺诈的背景,回顾了现有的关键技术和方法,在此基础上,采用硬投票策略,将决策树、逻辑回归和朴素贝叶斯分类器三种不同的机器学习模型集成在一起,形成一个强大的集成模型。通过实验验证,该集成模型实现了高达99%的准确性,相较于单一模型至少提高了3.22%的准确性。这种显著的准确性提升归因于模型间的互补性和集成学习的稳健性。不仅为信用卡欺诈检测提供了一种高效的方法,也为其他金融欺诈检测问题提供了有价值的参考。
关键词
信用卡欺诈检测
机器学习
集成学习
硬投票
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
F831.2 [经济管理—金融学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于加权硬投票融合模型的互联网消费金融借款人违约风险预测
司筱涵
魏建国
魏英杰
《武汉理工大学学报(社会科学版)》
2022
0
下载PDF
职称材料
2
基于集成学习的信用卡欺诈检测模型
徐天培
罗永胜
《信息系统工程》
2024
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部