基于非平衡数据的LDA-BPNN信用评分模型

随着互联网金融的蓬勃发展,信用评分已成为评判是否为贷款人放款的重要依据,传统的信用评分方法的单一性,不能有效地减少不良贷款带来的巨大损失。提出一种基于非平衡数据的LDA-BPNN方法构建信用评分模型,通过Borderline-SMOTE算法进行非平衡数据过采样,达到平衡样本分布,进一步构建LDA-BPNN模型,显著提升了模型的预测准确率。在不同数据集上,利用多类机器学习算法进行定性和定量对比,并通过pr曲线、AUC等评价指标进行验证,验证结果表明上述模型的分类效果更佳。