计算机应用研究

作者：向欣,陆歌皓,

单位：云南大学a.软件学院;b.信息学院,昆明650091；

关键词：信用评估,类别不平衡,代价敏感,动态选择,动态集成选择,集成学习,

基金：国家文旅部信息化推进项目(MCT2020XZ05)；；

针对现实信用评估业务中样本类别不平衡和代价敏感的情况，为降低信用风险评估的误分类损失，提出一种基于DESMID-AD动态选择的信用评估集成模型，根据每一个测试样本的特点动态地选择合适的基分类器对其进行信用预测。为提高模型对信用差客户（小类）的识别能力，在基分类器训练前使用过采样的方法对训练数据作类别平衡，采用元学习的方式基于多个指标进行基分类器的性能评估并在此阶段设计权重机制增强小类的影响。在三个公开信用评估数据集上，以AUC、一型、二型错误率以及误分类代价作为评价指标，与九种信用评估常用模型做比较，证明了该方法在信用评估领域的有效性和可行性。

来源：2021年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第12期