基于ADASYN-AdaBoost-CNN的信用风险评估模型

摘要

数据失衡对信用风险评估模型的性能构成挑战,为了提高金融机构的风险控制能力,针对信用风险数据的不平衡现象,提出了一种基于ADASYN-AdaBoost-CNN的集成模型。首先采用ADASYN技术平衡数据集,减轻不平衡现象对信用风险评估的影响。其次构建基于卷积神经网络的集成学习算法,确保信用风险评估模型的准确性与鲁棒性。最后在lendingclub借贷数据集上开展实验,使用F1-measure、G-mean和AUC三个评价指标检验模型性能。结果表明,ADASYN-AdaBoost-CNN模型能够有效解决不平衡信用风险评估问题。