دانلود مقاله انگلیسی رایگان:پیش بینی به طور پیش فرض در اعطای وام P2P از داده های با ابعاد بالا بر اساس یادگیری ماشین - 2019
دانلود بهترین مقالات isi همراه با ترجمه فارسی
دانلود مقاله انگلیسی یادگیری ماشین رایگان
  • Default prediction in P2P lending from high-dimensional data based on machine learning Default prediction in P2P lending from high-dimensional data based on machine learning
    Default prediction in P2P lending from high-dimensional data based on machine learning

    سال انتشار:

    2019


    عنوان انگلیسی مقاله:

    Default prediction in P2P lending from high-dimensional data based on machine learning


    ترجمه فارسی عنوان مقاله:

    پیش بینی به طور پیش فرض در اعطای وام P2P از داده های با ابعاد بالا بر اساس یادگیری ماشین


    منبع:

    Sciencedirect - Elsevier - Physica A, 534 (2019) 122370: doi:10:1016/j:physa:2019:122370


    نویسنده:

    Jing Zhou a, Wei Li b,c,d, Jiaxin Wangc, Shuai Ding c,d, Chengyi Xia e,f,∗


    چکیده انگلیسی:

    In recent years, a new Internet-based unsecured credit model, peer-to-peer (P2P) lending, is flourishing and has become a successful complement to the traditional credit business. However, credit risk remains inevitable. A key challenge is creating a default prediction model that can effectively and accurately predict the default probability of each loan for a P2P lending platform. Due to the characteristics of P2P lending credit data, such as high dimension and class imbalance, conventional statistical models and machine learning algorithms cannot effectively and accurately predict default probability. To address this issue, a decision tree model-based heterogeneous ensemble default prediction model is proposed in this paper for accurate prediction of customer default in P2P lending. Gradient boosting decision trees (GBDT), extreme gradient boosting (XGBoost) and light gradient boosting machine (LightGBM) are employed as individual classifiers to create a heterogeneous ensemble learning-based default prediction model. Learning model-based feature ranking is applied to P2P lending credit data, and individual classifiers undergo hyperparameter optimization. Finally, comparison with benchmark models shows that the prediction model can achieve desirable prediction results and thus effectively solve the challenge of predictions based on high-dimensional and imbalanced data.
    Keywords: Default prediction | High-dimensional data | Imbalanced data | Machine learning | P2P lending


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 11
    حجم فایل: 578 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی