论文部分内容阅读
为提高信贷欺诈风险的预测性能,文中提出一种基于机器学习的信贷欺诈风险预测模型.根据金融系统中存在的信贷欺诈风险类型,计算金融系统信贷数据产生的风险指标.通过确定信贷欺诈风险预测指标权重,设置信贷欺诈风险预测指数.将采集的信贷欺诈数据作为风险预测模型的数据支持,定义信贷欺诈风险产生的信号频谱,并建立风险信息函数,在标准化信贷欺诈风险数据的基础上,计算信贷欺诈风险数据的适应度,完成信贷欺诈风险数据的聚类分析.通过处理信贷欺诈风险数据,采用机器学习算法中的贝叶斯网络节点构建信贷欺诈风险预测模型.最后结合信贷欺诈风险预测流程设计,实现信贷欺诈风险的预测.实验结果表明,通过评价信贷欺诈风险预测的F值指标和AUC值指标,文中设计模型具有更好的预测性能.