文件名称：基于CLPSO-CatBoost的贷款风险预测方法
文件大小：869KB
文件格式：PDF
更新时间：2024-05-26 05:40:03
特征选择 贷款风险 综合学习粒子群 CatBoost
贷款风险分析是全球金融机构面临的共同考验. 在大数据背景下, 通过机器学习算法预防贷款风险具有现实意义. 针对贷款数据不平衡、噪声大等特点, 本文采用Boruta特征选择算法对贷款数据进行重要性筛选;提出通过综合学习粒子群算法(Comprehensive Learning Particle Swarm Optimization, CLPSO)优化CatBoost集成学习算法(CLPSO-CatBoost)的贷款风险预测方法, 该算法改善了全局搜索能力、避免了陷入容易陷入局部最优的问题. CLPSO-CatBoost相较于传统信用评估模型具有更好的准确性, 有实际应用价值.