第39卷第2期福建电脑Vol.39No.22023年2月JournalofFujianComputerFeb.2023———————————————本文得到浙江金融职业学院青年科研项目课题基金(No.2022YB44)资助。赵兴文(通信作者)，男，1995年生，主要研究领域为计算机视觉、人工智能、深度学习。E-mail:18405813956@163.com。机器学习在信用贷款评分中的应用赵兴文(浙江金融职业学院信息技术学院杭州310018)摘要针对贷款市场中的客户信用评分建立需求，本文基于采集的某区域贷款信用数据，使用机器学习算法进行信用评分模型的构建从而预测出客户的放贷风险等级。首先进行数据清洗以及探索性分析，获取到完整备用的信用贷款数据；其次利用皮尔森相关性分析和热力图完成特征自变量以及因变量的选取和处理；最后采用LightGBM模型进行训练，并与多个主流预测算法进行对比分析。本文完整算法模型在预测精确度、召回率以及F-1Score评价指标均可达到97%以上。关键词机器学习；轻量的梯度提升机；信用贷款；信用评分；相关性分析中图法分类号TP391DOI:10.16707/j.cnki.fjpc.2023.02.007ResearchontheApplicationofMachineLearninginCreditLoanScoringZHAOXingwen(DepartmentofInformationTechnology,ZhejiangFinancialCollege,Hangzhou,China,310018)AbstractTomeetthedemandofcustomercreditscoringintheloanmarket,thepaperusesmachinelearningalgorithmtobuildacreditscoringmodelbasedonthecollectedcreditdataofaregiontopredictthecustomer'slendingrisklevel.Firstly,datacleaningandexploratoryanalysiswerecarriedouttoobtaincompletestandbycreditloandata;Secondly,Pearsoncorrelationanalysisandthermodynamicdiagramareusedtoselectandprocesscharacteristicindependentvariablesanddependentvariables;Finally,LightGBMmodelisusedfortraining,andcomparedwithmanymainstreampredictionalgorithms.Thecompletealgorithmmodelinthepapercanachievemorethan97%inpredictionaccuracy,recallrateandF-1Scoreevaluationindex.KeywordsMachineLearning;LightGBM;CreditLoan;CreditScore;CorrelationAnalysis1引言信用贷款是当今金融社会生活中的重要组成部分[1]。对于银行等放贷机构而言，放贷行为必然需要考虑到对于客户的风控分析和信用评价。其中信用评价作为放贷必备的前置考核条件，在金融活动中具有举足轻重的地位。信用评价是对于个体整体经济活动的一个概括和缩影，目标是对涵...
