SA  >> Vol. 6 No. 3 (August 2017)

    P2P信贷个人信用评价模型的比较研究
    The Comparative Study of Individual Credit Evaluation Model in P2P Lending

  • 全文下载: PDF(474KB) HTML   XML   PP.292-297   DOI: 10.12677/SA.2017.63033  
  • 下载量: 828  浏览量: 1,425  

作者:  

张秋月:云南财经大学,云南 昆明

关键词:
P2P信贷信用评价模型选择机器学习方法P2P Lending Credit Evaluation Model Select Machine Learning Methods

摘要:

本文通过对信用评价方法中的统计分析方法及机器学习方法进行比较,根据评价指标体系数据的适用性要求,最终选择决策树及其组合方法对P2P信贷个人信用进行评价。通过对模型的准确性及稳定性的综合分析,对本文数据拟合最好的分类方法是随机森林分类方法。

This article compares the statistical analysis methods and the machine learning methods in the credit evaluation field, and according to the applicability of the evaluation index system data, this paper finally uses decision tree and its combination algorithm to evaluate individual credit in P2P lending. Through the comprehensive analysis of the accuracy and stability of the model, the best classification method for the data is random forest classifier.

文章引用:
张秋月. P2P信贷个人信用评价模型的比较研究[J]. 统计学与应用, 2017, 6(3): 292-297. https://doi.org/10.12677/SA.2017.63033

参考文献

[1] 石庆焱, 靳云汇. 多种个人信用评分模型在中国应用的比较研究[J]. 统计研究, 2004(6): 43-47.
[2] 崔媛媛. 个人信用评价模型比较研究[D]: [硕士学位论文]. 北京: 北方工业大学, 2006.
[3] 庞素琳, 巩吉璋. C5.0分类算法及在银行个人信用评级中的应用[J]. 系统工程理论与实践, 2009, 29(12): 94-104.
[4] 向晖, 杨胜刚. 基于多分类器组合的个人信用评估模型[J]. 湖南大学学报, 2011(3): 30-33.
[5] 胡小宁, 何晓群. 基于Group Lasso的个人信用评价分析[J]. 数学的实践与认识, 2015(6): 89-94.