不平衡社交借贷环境中的信用风险预测
机器学习
2018-05-03 v1 机器学习
摘要
信用风险预测是评估潜在借款人是否会偿还贷款的有效方法，尤其在类不平衡问题普遍的点对点借贷中。然而，很少有面向社交借贷的信用风险预测模型考虑不平衡数据，且关于不平衡数据最佳重采样技术仍存在争议。为解决这些问题，本文在一种结合不平衡数据的新型风险评估方法中，对各种分类器与重采样技术的组合进行了实证比较。每种组合的信用预测使用 G-mean 度量评估，以避免对多数类的偏倚，这在类似研究中未被考虑。结果表明，随机森林与随机欠采样的结合可能是计算社交借贷市场中贷款申请人信用风险的有效策略。
引用
@article{arxiv.1805.00801,
title = {Credit risk prediction in an imbalanced social lending environment},
author = {Anahita Namvar and Mohammad Siami and Fethi Rabhi and Mohsen Naderpour},
journal= {arXiv preprint arXiv:1805.00801},
year = {2018}
}