基于决策树的个人信用风险评估模型

摘要

在金融和商业活动中存在大量的个人信用评估和诈骗甄别的需求,传统处理的方法由各专家评估打分方式实现,由此将产生过多的人为干预的因素,并且大大增加了工作量,大数据技术的发展,可避免传统方式的缺陷和弊端.使用人工智能中的决策树C5.0算法以及XGBoost模型分别分析UCI德国信用数据集和金融诈骗数据,实验基于Python开发系统提供的sklearn包来进行,通过实验建立了个人信用评估模型和风控模型.实验证明这2个模型具有较高的正确率,建立的有效模型以及整个分析方法为人工智能在信用评估和风控领域的应用提供了借鉴与参考.