基金项目:国家自然科学基金项目(51474095);河南省重点攻关项目(152102210277);河南省高校科技创新团队支持计划项目(17IＲTSTHN010);河南科技大学科技创新团队项目(2015XTD011);河南科技大学重大产学研合作培育基金项目(2015ZDCXY03)收稿日期:2021－04－30修回日期:2021－05－15第40卷第2期计算机仿真2023年2月文章编号:1006－9348(2023)02－0303－06基于非平衡数据的LDA－BPNN信用评分模型王静1，王艳丽2，孙士保1*，贾少勇1(1．河南科技大学信息工程学院，河南洛阳471023;2．河南科技大学软件学院，河南洛阳471023)摘要:随着互联网金融的蓬勃发展，信用评分已成为评判是否为贷款人放款的重要依据，传统的信用评分方法的单一性，不能有效地减少不良贷款带来的巨大损失。提出一种基于非平衡数据的LDA－BPNN方法构建信用评分模型，通过Borderline－SMOTE算法进行非平衡数据过采样，达到平衡样本分布，进一步构建LDA－BPNN模型，显著提升了模型的预测准确率。在不同数据集上，利用多类机器学习算法进行定性和定量对比，并通过pr曲线、AUC等评价指标进行验证，验证结果表明上述模型的分类效果更佳。关键词:信用评分;自适应合成抽样算法;线性判别分析;多层前馈神经网络中图分类号:TP391文献标识码:BLDA－BPNNCreditScoringModelBasedonUnbalancedDataWANGJing1，WANGYan－li2，SUNShi－bao1*，JIAShao－yong1(1CollegeofInformationEngineering，HenanUniversityofScienceandTechnology，LuoyangHenan471023，Chinal;2．CollegeofSoftware，HenanUniversityofScienceandTechnology，LuoyangHenan471023，China)ABSTＲACT:WiththeboomingdevelopmentofInternetfinance，creditscorehasbecomeanimportantbasisforjud-gingwhetherthelenderislendingmoney．Thesinglenessoftraditionalcreditscoremethodscannoteffectivelyreducethehugelosscausedbynon－performingloans．Therefore，anLDA－BPNNmethodbasedonunbalanceddatawaspro-posedtobuildacreditscoringmodel．TheBorderline－SMOTEalgorithmwasusedtooversampletheunbalanceddatatoachievebalancedsampledistribution．ThefurtherconstructionoftheLDA－BPNNmodelsignificantlyimprovedthepredictionaccuracyofthemodel．Qualitativeandquantitativecomparisonsweremadebyusingmultiplemachinelearningalgorithmsondifferentdatasets，andverifiedbyprcurve，AUCandotherevaluationindexes．Thever...
