基于NaN-Bicluster SMOTE的非均衡信贷数据分类研究及应用

TP181; 为了有效评估非均衡信贷数据中的借款人信用风险,基于合成少数过采样技术(Synthetic minority oversampling technique,SMOTE)、自然近邻(Natural neighbor,NaN)和双聚类(Bicluster)构建了NaN-Bicluster SMOTE方法以改进SMOTE.首先使用无参数的自然近邻设定采样样本选取的逻辑规则,规避了r近邻划分样本时产生的不稳定性;其次基于自然近邻稳定结构规定安全范围设定的逻辑规则,避免合成样本成为噪声样本;然后使用双聚类挖掘局部规则,以合成样本继承局部规则的方式改进SMOTE合成公式;最后,在Prosper...

Full description

Saved in:
Bibliographic Details
Published in数据采集与处理 Vol. 38; no. 6; pp. 1482 - 1494
Main Authors 何亮, 徐海燕, 陈璐
Format Journal Article
LanguageChinese
Published 南京航空航天大学经济与管理学院,南京 211106 01.11.2023
Subjects
小额贷款
credit risk
双聚类
信用风险
合成少数过采样技术
synthetic minority oversampling technique(SMOTE)
bicluster
microloans
自然近邻
natural neighbor(NaN)
Online AccessGet full text

Cover

More Information
Summary:TP181; 为了有效评估非均衡信贷数据中的借款人信用风险,基于合成少数过采样技术(Synthetic minority oversampling technique,SMOTE)、自然近邻(Natural neighbor,NaN)和双聚类(Bicluster)构建了NaN-Bicluster SMOTE方法以改进SMOTE.首先使用无参数的自然近邻设定采样样本选取的逻辑规则,规避了r近邻划分样本时产生的不稳定性;其次基于自然近邻稳定结构规定安全范围设定的逻辑规则,避免合成样本成为噪声样本;然后使用双聚类挖掘局部规则,以合成样本继承局部规则的方式改进SMOTE合成公式;最后,在Prosper小额贷款平台的非均衡信贷数据集上将NaN-Bicluster SMOTE与若干采样方法和机器学习模型进行对比分析,并进一步使用统计检验方法验证其性能的优越性.
ISSN:1004-9037
DOI:10.16337/j.1004-9037.2023.06.021