基于自适应惯性权重PSO-LightGBM的信用风险评估研究.pdfVIP

云南民族大学学报（自然科学版），２０２４，３３（３）：３４５－３５０ＣＮ５３－１１９２／ＮＩＳＳＮ１６７２－８５１３

ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７２－８５１３．２０２４．０３．００９ｈｔｔｐ：／／ｙｎｍｚｃｂｐｔｃｎｋｉｎｅｔ

基于自适应惯性权重ＰＳＯ—ＬｉｇｈｔＧＢＭ的

信用风险评估研究

付芷宁，李慧敏，徐亚田，陶玉虎，高伟

（云南民族大学数学与计算机科学学院，云南昆明６５０５００）

摘要：贷款市场复杂的个人信用风险问题中，信用风险评估模型的构建是十分关键的一步．利用

ＬｅｎｄｉｎｇＣｌｕｂ数据集，进行信用风险评估模型的构建来预测客户的违约概率．首先进行数据处

理，再通过合成少数类过采样技术（ＳＭＯＴＥ）算法处理数据正负样本不平衡的问题，获得完备的

信用贷款数据．其次采用轻量梯度提升机（ＬｉｇｈｔＧＢＭ）模型进行训练，并使用自适应惯性权重的

粒子群优化（ＰＳＯ）算法得到ＬｉｇｈｔＧＢＭ的最优参数．与多个主流算法进行对比，实验结果表明，构

建的模型有更好