語言:

逾期风险预测的宽度和深度学习

宁婷 ; 苗德壮 ; 董启文 ; 陆雪松

计算机科学, 2021, Vol.48 (5), p.197-201

可取得全文

引用被引用

題名:
逾期风险预测的宽度和深度学习
著者: 宁婷 ; 苗德壮 ; 董启文 ; 陆雪松
所屬期刊: 计算机科学, 2021, Vol.48 (5), p.197-201
描述: TP520; 逾期风险控制是信用贷款服务的关键业务环节,直接影响放贷企业的收益率和坏账率.随着移动互联网的发展,信贷类金融服务已经惠及普罗大众,逾期风控也从以往依赖规则的人工判断,转为利用大量客户数据构建的信贷模型,以预测客户的逾期概率.相关模型包括传统的机器学习模型和深度学习模型,前者可解释性强、预测能力较弱;后者预测能力强、可解释性较差,且容易发生过拟合.因此,如何融合传统机器学习模型和深度学习模型,一直是信贷数据建模的研究热点.受到推荐系统中宽度和深度学习模型的启发,信贷模型首先可以使用传统机器学习来捕捉结构化数据的特征,同时使用深度学习来捕捉非结构化数据的特征,然后合并两部分学习得到的特征,将其经过线性变换后,最后得到预测的客户的逾期概率.所提模型中和了传统机器学习模型和深度学习模型的优点.实验结果表明,其具有更强的预测客户逾期概率的能力.
出版者: 华东师范大学数据科学与工程学院上海200062
語言: 中文
識別號: ISSN: 1002-137X
DOI: 10.11896/jsjkx.200900043
資源來源: Alma/SFX Local Collection

返回到檢索清單