針對(duì)小微企業(yè)信用歷史數(shù)據(jù)規(guī)模較小,而且類(lèi)別不平衡問(wèn)題較為嚴(yán)重,提出基于樣本依賴(lài)代價(jià)矩陣的Smote XGboost-Bayes Minimum Risk(SXG-BMR)模型,對(duì)整體樣本進(jìn)行低倍率過(guò)采樣,以弱化類(lèi)別不平衡問(wèn)題,降低模型過(guò)擬合的風(fēng)險(xiǎn);模型將集成學(xué)習(xí)模型與最小風(fēng)險(xiǎn)貝葉斯決策相結(jié)合,以實(shí)現(xiàn)代價(jià)敏感。同時(shí),模型中引入了樣本依賴(lài)的代價(jià)矩陣,該代價(jià)矩陣不僅與類(lèi)別有關(guān),而且與樣本自身屬性有關(guān),可以更為準(zhǔn)確地表征代價(jià)。使用標(biāo)準(zhǔn)信用數(shù)據(jù)集和上海市小微企業(yè)信用數(shù)據(jù)集,進(jìn)行多種算法的對(duì)比分析,結(jié)果表明,該模型性能優(yōu)良。

【文章頁(yè)數(shù)】：10 頁(yè)

【文章目錄】：
1 樣本依賴(lài)代價(jià)敏感模型的數(shù)據(jù)策略
    1.1 整體樣本過(guò)采樣
    1.2 樣本依賴(lài)代價(jià)矩陣
2 基于樣本依賴(lài)的SXG?BMR模型
    2.1 最小風(fēng)險(xiǎn)貝葉斯決策
    2.2 XGBoost算法
    2.3 樣本依賴(lài)的SXG?BMR算法流程
3 實(shí)驗(yàn)分析
    3.1 數(shù)據(jù)集
    3.2 模型性能度量指標(biāo)
    3.3 整體性能評(píng)估與比較
        3.3.1 UCI信用數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果
        3.3.2 上海市小微企業(yè)信用數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果
4 結(jié)語(yǔ)



本文編號(hào)：3841328