论文部分内容阅读
本文针对银行个人贷款业务,借助天池贷款违约数据集模拟真实的客户特征数据,采用LR、XGBoost、Lghtgbm等八种机器学习模型,构建贷款违约分类模型,预测贷款违约概率,帮助银行尽快识别高风险贷款,从而降低不良率。结果表明,机器学习可以进一步提高个人信用评估的准确性,为商业银行个人信用评估提供科学依据和参考。