关于我们+
产品与服务+
解决方案+
客户案例+
AI创新中心+
投资者关系+
资源中心+
联系我们+
申请演示+
申请演示-
本文针对银行行业的一些特点,提出了一套分析用户信用数据以建立信用评分的流程方法:首先使用SMOTE过抽样方法对不平衡数据进行调整,将原本不平衡的数据调整为平衡的,并使用AUC值和代价敏感错误率作为评价模型好坏的指标;最后不仅预测用户所属的类别数据:为保证模型的精度并满足金融行业数据量大的特点,使用 XGBoost算法训练数据同时还将模型所报告的用户所属类别概率结合评分卡知识进一步分析用户的信用情况。