基于样本依赖代价矩阵的小微企业信用评估方法

发布时间：2023-08-11 12:33

　　针对小微企业信用历史数据规模较小,而且类别不平衡问题较为严重,提出基于样本依赖代价矩阵的Smote XGboost-Bayes Minimum Risk(SXG-BMR)模型,对整体样本进行低倍率过采样,以弱化类别不平衡问题,降低模型过拟合的风险;模型将集成学习模型与最小风险贝叶斯决策相结合,以实现代价敏感。同时,模型中引入了样本依赖的代价矩阵,该代价矩阵不仅与类别有关,而且与样本自身属性有关,可以更为准确地表征代价。使用标准信用数据集和上海市小微企业信用数据集,进行多种算法的对比分析,结果表明,该模型性能优良。

【文章页数】：10 页

【文章目录】：
1 样本依赖代价敏感模型的数据策略
    1.1 整体样本过采样
    1.2 样本依赖代价矩阵
2 基于样本依赖的SXG?BMR模型
    2.1 最小风险贝叶斯决策
    2.2 XGBoost算法
    2.3 样本依赖的SXG?BMR算法流程
3 实验分析
    3.1 数据集
    3.2 模型性能度量指标
    3.3 整体性能评估与比较
        3.3.1 UCI信用数据集的实验结果
        3.3.2 上海市小微企业信用数据集的实验结果
4 结语



本文编号：3841328