不同机器学习方法在互联网征信的表现

胡清畅; 陈文静

0
0
浏览
下载

摘要
关键词
基金信息
论文图表
动态公开评议
相关论文
评论

不同机器学习方法在互联网征信的表现

首发时间：2019-04-30

胡清畅 ¹
胡清畅（1993-），女，硕士，主要研究方向：计量经济理论方法及应用
陈文静 ¹
陈文静，女，数量经济学博士，讲师，研究方向为计量经济理论方法及其在社会经济金融等领域的应用研究

1、暨南大学经济学院，广州 510632

摘要：本文基于拍拍贷网提供的互联网用户大数据，分析用户的信用表现预测用户是否会贷款违约。本文一共使用了8种不同的机器学习方法，针对每种方法，比较预测结果与实际结果发现，XGBoost预测错误率仅有13.3%，而random forest预测错误率有33%，Adaptive boosting预测错误率有38%。因此在本文中相对出众的机器学习方法是XGBoost。

关键词：互联网征信 XGBoost Adaptive boosting

For information in English, please click here

The performance of different machine learning methods in the Internet for credit reporting

Hu Qingchang ¹
胡清畅（1993-），女，硕士，主要研究方向：计量经济理论方法及应用
Chen Wenjing ¹
陈文静，女，数量经济学博士，讲师，研究方向为计量经济理论方法及其在社会经济金融等领域的应用研究

1、Economics School, Jinan University, Guangzhou 510632

Abstract：This article is based on the big data of Internet users provided by the pat network, and analyzes the credit performance of users to predict whether users will default on loans. In this paper, eight different machine learning methods are used. For each method, comparing the prediction results with the actual results, the XGBoost prediction error rate is only 13.3%, while the random forest prediction error rate is 33%. The Adaptive boosting prediction error rate has 38%. So the relatively superior machine learning method in this article is XGBoost.

Keywords： Internet Credit, XGBoost, Adaptive boosting

基金：

论文图表：

引用

导出参考文献

.txt

.ris

.doc

胡清畅，陈文静. 不同机器学习方法在互联网征信的表现[EB/OL]. 北京：中国科技论文在线 [2019-04-30]. https://www.paper.edu.cn/releasepaper/content/201904-381.

No.****

动态公开评议

共计0人参与

动态评论进行中

全部评论

0/1000

论文编号	201904-381
论文题目	不同机器学习方法在互联网征信的表现
文献类型
收录期刊	上传封面中文期刊英文期刊期刊名称（中文）期刊名称（英文）年，卷（）上传封面中文专著英文专著书名（中文）书名（英文）出版地出版社出版年上传封面中文译著英文译著书名（中文）书名（英文）出版地出版社出版年上传封面中文论文集英文论文集编者.论文集名称（中文） [c]. 出版地出版社出版年， - 编者.论文集名称（英文） [c]. 出版地出版社出版年，- 上传封面中文文献英文文献期刊名称（中文）期刊名称（英文）日期-- 在线地址http:// 上传封面中文文献英文文献文题（中文）文题（英文）出版地出版社,出版日期-- 上传封面中文文献英文文献文题（中文）文题（英文）出版地出版社,出版日期--
英文作者写法：中外文作者均姓前名后，姓大写，名的第一个字母大写，姓全称写出，名可只写第一个字母，其后不加实心圆点“.”, 作者之间用逗号“，”分隔，最后为实心圆点“.”, 示例1：原姓名写法：Albert Einstein,编入参考文献时写法：Einstein A. 示例2：原姓名写法：李时珍；编入参考文献时写法：LI S Z. 示例3：YELLAND R L,JONES S C,EASTON K S,et al.