摘要
随着科技进步、社会的发展,个人信用分值对于个人愈加重要,而传统的信用评分主要以个人消费能力等少数的维度来衡量,难以全面、客观、及时地反映个人的信用.旨在解决面向大样本、高维度数据的环境下的信用分预测问题,提出一种基于LightGBM算法的移动用户信用评分算法,完善信用评分体系.首先分析线性相关性来构建特征集合,然后通过K-means算法对特征集合进行聚类分析,最后通过LightGBM模型构建信用评分模型.通过在数字中国创新大赛所提供的真实数据上的实验表明,该方法能够充分挖掘数据特征并且精准地预测用户信用评分,较GBDT、XGBoost等算法具有较高的准确率和计算效率.通过对线性相关性分析基础上的数据特征集合进行聚类分析,并将其应用到基于LightGBM信用评分模型,能够更加准确地预测移动用户信用评分.
国家科技期刊平台
NSTL
维普
万方数据