基于复合CatBoost模型的P2P网贷违约分类预测

发布时间：2020-07-15 07:42

【摘要】：P2P网贷作为互联网金融领域的代表发展非常迅速,与此同时,众多风险也随之暴露,其中最主要的是信用风险(借款方违约风险)。因此,对借款方是否违约进行分类预测以及研究影响借款方违约的因素具有一定现实意义。本文选择我国上线较早且具有代表性的P2P网贷平台-人人贷作为研究对象,选择其2016年和2017年的有效历史交易数据构建二分类预测模型进行实证研究。首先,本文基于五个方面构建了19个特征,然后应用随机森林进行特征选择,依据每个特征的平均得分选择了前15个较重要的特征参与建模;其次,将不同的非均衡数据集处理方法(欠采样、过采样、欠采样过采样组合)与机器学习算法(SVM、RF、AdaBoost、XGBoost、LightGBM、CatBoost)相结合建立网贷违约分类预测模型;最后,通过对AUC值等衡量分类模型性能的指标进行对比分析,结果显示:复合CatBoost模型中的SMOTETomek-CatBoost模型相较于其它模型(SVM和复合SVM模型、RF和复合RF模型、AdaBoost和复合AdaBoost模型、XGBoost和复合XGBoost模型、LightGBM和复合LightGBM模型)具有更好的分类预测性能。通过对复合XGBoost、复合LightGBM和复合CatBoost模型的特征重要性评分结果分析,得到了7个影响借款方违约的主要因素。
【学位授予单位】：兰州大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F832.4;F724.6
【图文】：

示意图,核函数,示意图,算法

本文选取 ENN 算法、RENN 算法、NCR 算法、Borrline2-SMOTE 算法、ADASYN 算法、SMOTE+TomN 算法对数据集进行均衡处理。量机（SVM）机是由 Cortes 和 Vapnik[32]于 1995 年提出，不仅可问题的研究，SVM 作为经典算法已被应用在很多空气质量预测、电力预测等，其作为分类模型的主一个使得正反两类样本之间间隔最大的分类超平面鲁棒的。若样本在当前特征空间中是线性可分的，分类超平面；若样本属于线性不可分情况，则引入射到其可以实现线性可分的高维空间（如图 2-1 所以在低维进行计算克服计算量大的难题，也可以使的效果。

示意图,集成学习,示意图,学习器

学硕士学位论文基于复合 CatBoost 模型的 P2P 网贷违约分类预moid 核： ( ,) tanh( )jTijik xxxx，tanh 是双曲正切函数， 0, 使用 SVM 进行二分类预测时，选择的是比较常用的高斯核。森林（RF）森林原理法是通过学习多个基础模型来完成学习任务，每个经过训练的基础习器，然后将多个基学习器的结果整合后输出，输出的结果作为最（如图 2-2 所示）。集成学习可以分为两种类型：同质集成和异质成是每个基学习器使用的是同种学习算法，异质集成是允许基学习学习算法，比如所有基础模型中，有的学习算法是决策树，有的是随机森林是基于并行集成算法的典型代表-Bagging 的扩展变体，是决策树，是同质集成类型。

曲线,查准率,查全率,逃犯

图 2-3 PR 曲线示意图横轴为查全率，纵轴为查准率。如果一个模型个模型的 PR 曲线，则前者的性能要比后者好；，那么将无法直接判断两个模型的优劣，因为 P此可依据具体的业务目标计算 F ， F 为查准率域学习目标不同，比如，电子商务平台需要对他们就更看重查准率；而对于抓捕逃犯来说，看重查全率。因此，我们在实际业务中需要根供了这样的机会，可以通过调节值来实现，，查全率有较大影响；当小于 1 时，查准率 AUCceiver Operating Characteristic）曲线被经常应常,()(1)22PRPRF

【相似文献】