基于集成深度学习模型的增强型信用评分预测
机器学习
2024-11-13 v2
摘要
在当代经济社会中，信用评分对每个参与者都至关重要。一个稳健的信用评估体系对于商业银行和金融部门的核心业务（如信用卡、贷款和投资）的盈利能力至关重要。本文结合了已在现代银行系统中广泛使用的高性能模型（如XGBoost和LightGBM）与强大的TabNet模型。我们开发了一个强大的模型，通过集成随机森林、XGBoost和TabNet，并利用集成建模中的堆叠技术，能够准确确定信用评分等级。这种方法超越了单一模型的局限性，显著推进了精确信用评分预测。在后续章节中，我们将解释所使用的技术，并通过全面比较精确率、召回率、F1和AUC等一系列指标来彻底验证我们的方法。通过集成随机森林、XGBoost和TabNet深度学习架构，这些模型相互补充，展现出异常强大的整体性能。
引用
@article{arxiv.2410.00256,
title = {Enhanced Credit Score Prediction Using Ensemble Deep Learning Model},
author = {Qianwen Xing and Chang Yu and Sining Huang and Qi Zheng and Xingyu Mu and Mengying Sun},
journal= {arXiv preprint arXiv:2410.00256},
year = {2024}
}
备注
This paper have been accepted by sci of AI Journal