基于迁移学习的信用评分预测

发布时间：2020-12-14 02:35

　　在互联网金融机构有很多信贷业务,部分新开展的业务由于客户数据较少,无法建立有效的信用评分模型.本文研究将迁移学习思想应用到该问题中,利用已有其他业务的客户数据帮助新开展的业务建立有效的信用评分模型.本文提出一种联合Triplet-Loss表征学习和领域适配的深度学习方法对已有业务数据进行重新编码,并将重新编码后所得的知识迁移到新开展业务的模型中,最后使用XGBoost做为分类器.针对上述问题,本文提出的模型相对传统机器学习方法在效果上有一定提升,在一定程度上解决了该问题. 

【文章来源】：计算机系统应用. 2020年11期

【文章页数】：5 页

【参考文献】：
期刊论文
[1]基于梯度提升决策树模型的P2P网贷借款人信用风险评测研究[J]. 谭中明,谢坤,彭耀鹏.  软科学. 2018(12)
[2]基于SVM-Logistic组合模型的P2P借款者信用风险评估——以微贷网为例[J]. 都红雯,卢孝伟.  生产力研究. 2018(10)
[3]基于XGBOOST的用户信用评分建模[J]. 韩修龙.  电脑知识与技术. 2018(05)



本文编号：2915641