深度学习与其他机器学习算法在不平衡信用评分数据上的性能比较
机器学习
2020-02-27 v2 机器学习
摘要
在高度不平衡的数据上训练模型被公认为机器学习算法的一项具有挑战性的任务。当前关于深度学习的研究主要集中于类别标签平衡的数据集，或虽不平衡但样本量巨大的数据集（如语音识别中的情况）。然而，文献中并未深入探究深度学习在样本量少的不平衡数据上的能力，而这却是众多行业中非常常见的应用情境。为弥补这一不足，本文比较了几种此前在不平衡数据集上成功应用的流行机器学习算法与深度学习算法的性能。我们在一个用于信用评分的高度不平衡数据集上进行了这些实验。我们评估了多种配置，包括神经网络优化技术，并试图确定它们在处理不平衡语料时的能力。
引用
@article{arxiv.1907.12363,
title = {A comparison of Deep Learning performances with other machine learning algorithms on credit scoring unbalanced data},
author = {Louis Marceau and Lingling Qiu and Nick Vandewiele and Eric Charton},
journal= {arXiv preprint arXiv:1907.12363},
year = {2020}
}