TY -的A2 - Chen Miaochao盟——刘名进盟——高,睿杰盟- Fu,魏PY - 2021 DA - 2021/12/20 TI -分析基于机器学习算法的网络金融风险控制模型SP - 8541929六世- 2021 AB -传统的信用风险控制的基础上,本文提出了一个新的信用风险的需求和方向控制策略基于机器学习和依赖大数据。的基础上,首先,介绍了机器学习的基本算法原理,我们给的理由选择机器学习模型,建立一个基于机器学习互联网消费金融信贷风险控制策略模型,为实证分析提供理论支持。第二,我们的测试数据网络消费金融公司为研究样本,进行实证分析根据基于机器学习的网络消费金融信贷风险控制策略模型。培训结果的比较是基于综合考虑培训时间,验证准确性,TPR评价指标和结果的可解释性;验证机器学习模型的优点在筛选的关键影响因素,导致信贷客户的逾期性能。根据信用风险优化控制策略,提供了相应的策略建议公司信贷风险控制的年代。研究结果表明,该分类模型的预测效果通常低于基于传统的线性回归模型的基础上,基于机器学习的分类算法,这是一个复杂的非线性平台违约及其相关影响因素之间的关系。分类的准确性和预警结果的随机森林算法相对较高,和决策树模型的检出率相对较高,但成本也最高。此外,四种类型的预警模型的准确性是相对稳定,平均达到80%。提出了一种基于机器学习的互联网消费金融信贷风险控制策略模型。 Its system, timeliness, and risk prediction capabilities provide new ideas and suggestions for Internet consumer finance companies to design risk control strategies. SN - 2314-4629 UR - https://doi.org/10.1155/2021/8541929 DO - 10.1155/2021/8541929 JF - Journal of Mathematics PB - Hindawi KW - ER -