导　　师： 吴池业

授予学位： 硕士

作　　者： (）;

机构地区： 暨南大学

摘　　要： 本文数据来源为“东证期货杯”全国大学生统计建模大赛中选题二提供的贷款机构历史业务数据[1]。首先，针对数据缺失，对连续变量根据数据缺失率分别采用删除法和多重填补法处理，名义变量采用特殊类别法处理;在信用数据不平衡问题上，结合K均值算法欠抽样与SMOTE过抽样组合抽样方法在处理数据不平衡问题上有较好的预测效果。其次，在变量体系指标选择方面，改进了logistic回归的Lasso估计，采用四种信用评分模型对变量选择方法进行比较：针对不同模型特点，该变量选择方法对预测结果有不同程度提升。最后，经过实验比较可得，随机森林分类精度高;logistic回归总体分类精度略低于其他模型，但对于数据中少类样本的识别要高于一般模型;决策树模型分类精度略低于随机森林，但对数据中少类样本识别率不高。

关 键 词： 信用评分 变量选择 不平衡数据 随机森林

领　　域： [] []