A machine learning workflow to address credit default prediction
创建于 更新于
摘要
本报告提出了一种基于机器学习的信用违约预测工作流程，融合了权重证据（WoE）编码、集成学习策略、多目标遗传算法（NSGA-II）超参数优化及焦点损失函数，有效提升模型在不平衡数据上的预测准确性和金融利润最大化。实证结果显示深度学习模型和集成模型在多个公开数据集上均优于传统统计模型，证明了该方法对金融信贷风险评估的实用价值和可靠性 [page::0][page::1][page::2][page::3][page::4][page::5]
