基于机器学习的贷款分析与预测研究

摘要：

随着互联网的普及,互联网金融飞速发展.随着机器学习技术的不断发展,依靠大数据技术主动获取、分析、整理各类数据,建立精确的用户行为画像,为客户提供更加精准的风控服务,已经成为解决金融行业风控问题的有效途径.应用机器学习和大数据等技术对用户贷款进行违约预测,为金融行业提供更为详细的用户画像,以作为对风险的评估,而预测的关键是机器学习算法的构建以及特征的建立.目前研究的风控模型,贷款预测的效果还有待提高.本文主要研究GBDT在贷款问题中的作用,通过实验,与LR、SVM、随机森林等常用模型进行对比,发现GBDT模型的准确率最高,说明GBDT模型效果较好,有一定的实用价值.

关键词：贷款预测、机器学习、GBDT、特征工程

所属期刊栏目：7

分类号：F272.1(企业经济)

在线出版日期：2023-06-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：66-72