风控算法模型间对比及优化方案

anbo650370

本文针对互联网消费金融的小额贷款申请，探讨机器学习技术在这个领域中的发展情况和实际应用情况，研究违约用户和履约用户这两批用户的各方面特征，介绍了在信用风险评估领域比较流行的Lo西stic回归模型和GBDT(梯度迭代决策树)模型，以及主流的模型性能评价指标。在具体的实验中，本论文使用机器学习技术对网络信贷平台的用户进行建模分析，使用Infornlation Value统计量筛选变量特征，采取woe(weight ofevidence)编码的方式对变量特征进行重新编码，以提升变量对两类用户的辨别能力，最后，使用Logistic回归模型和GBDT(梯度迭代决策树)模型对申请贷款用户的信用风险进行预测建模，并使用AUC值作为模型性能验证的具体指标，对模型进行进一步的优化。最后对信用风险模型的发展情况做了总结和展望。