-
题名逾期风险预测的宽度和深度学习
被引量：2
- 1
-
-
作者
宁婷
苗德壮
董启文
陆雪松
-
机构
华东师范大学数据科学与工程学院
-
出处
《计算机科学》
CSCD
北大核心
2021年第5期197-201,共5页
-
基金
国家自然科学基金(U1711262,61672234)。
-
文摘
逾期风险控制是信用贷款服务的关键业务环节,直接影响放贷企业的收益率和坏账率。随着移动互联网的发展,信贷类金融服务已经惠及普罗大众,逾期风控也从以往依赖规则的人工判断,转为利用大量客户数据构建的信贷模型,以预测客户的逾期概率。相关模型包括传统的机器学习模型和深度学习模型,前者可解释性强、预测能力较弱;后者预测能力强、可解释性较差,且容易发生过拟合。因此,如何融合传统机器学习模型和深度学习模型,一直是信贷数据建模的研究热点。受到推荐系统中宽度和深度学习模型的启发,信贷模型首先可以使用传统机器学习来捕捉结构化数据的特征,同时使用深度学习来捕捉非结构化数据的特征,然后合并两部分学习得到的特征,将其经过线性变换后,最后得到预测的客户的逾期概率。所提模型中和了传统机器学习模型和深度学习模型的优点。实验结果表明,其具有更强的预测客户逾期概率的能力。
-
关键词
逾期风险预测
机器学习
深度学习
宽度和深度模型
-
Keywords
Default risk control
Machine learning
deep learning
wide&deep learning models
-
分类号
TP520
[自动化与计算机技术]
-
