论文部分内容阅读
传统的信用评估模型,大多针对个人基本信息分析评估,忽略了交易维度的数据。针对这类情况,基于银行卡交易数据,提出一种基于交易数据的个人信用评分模型的方法。该方法主要包括三个部分:依据交易数据,提取有效的特征集;引入代价敏感随机向量,增强随机森林成员分类器的差异性;通过融合函数,输出信用评分。以互联网消费信贷场景作为研究对象,将该方法与经典算法进行比对。实验结果表明,该方法具有较好的评估结果。