TY -的A2 -夏,分盟,风扇,Shuangshuang盟——沈,烟波盟——彭,暴增PY - 2020 DA - 2020/11/04 TI -改善ML-Based信用卡评分技术在网络金融风险控制SP - 8706285六世- 2020 AB -中国互联网金融行业的快速发展,近年来交易数量的不断增长,各种金融风险的增加,特别是信用风险在金融行业。同时,信贷风险评价通常是由使用应用卡评分模型,严格的数据假设的缺陷和无法处理复杂的数据。为了克服的限制信用卡信用风险评分模型和评价更好,本文提出一种基于极端梯度增加的信用评估模型树(XGBoost)机器学习(ML)算法来构造一个网络金融机构信贷风险评估模型。同时,互联网在中国贷款公司是作为一个案例研究来比较性能的传统信用卡评分模型和提出的机器学习(ML)算法模型。结果表明,ML算法有一个非常显著的优势领域的互联网金融风险控制,更精确的预测结果,没有特别严格的假设和限制数据,处理数据的过程更方便和可靠。我们应该增加毫升的应用领域的金融风险控制。本文的价值在于丰富的金融技术和相关研究提供一个新的金融风险控制的实践参考。SN - 1076 - 2787你——https://doi.org/10.1155/2020/8706285——10.1155 / 2020/8706285 JF - PB - Hindawi KW - ER -复杂性