基于xgboost模型的消费者信用评级系统

史 伟，王明月，张青云，李晓会

基于xgboost模型的消费者信用评级系统

史 伟，王明月，张青云，李晓会

（辽宁工业大学 电子与信息工程学院，辽宁 锦州 121001）

设计了一种基于xgboost模型的消费者信用评级系统，通过人脸识别方法选出一部分特征作为消费者标签，量化消费者信息，以此叙述消费者形象；对-means聚类进行改进，提出了基于核密度的人脸识别聚类算法，将消费者分成不同的类别，据此完成信用评级。系统能够缓解噪声点敏感，使原始中心点选择更加简单，并且较少使用银行交易记录，具有较高的可用性。

xgboost模型；信用评级；消费者画像；聚类算法

目前，人工智能技术[1]的快速发展，使其再次成为国内外学者的研究热点，而人脸识别技术是最受关注的应用之一，甚至对金融行业也产生了积极的影响。随着人脸识别等技术的不断应用，也对金融行业的风险保护问题提出了挑战，例如借贷过程中可能存在的欺诈现象，需要对消费者的信用进行评级，进而控制风险。因此，建立一种安全、准确的消费者信用评级系统是非常必要的。

信用评级[2]是指利用消费者的个人基本信息以及信贷信息进行分析，得出消费者的信用等级，进而判断消费者是否有能力接受借贷服务，接受哪个等级的借贷服务，以及违约的风险和损失等级。

有很多传统的信用评级模型，例如FICO[3]通过统计分析原始数据来建立数学模型，预测消费者的信用评级，但是缺少正确数据的存储，还不适用于处理企业信贷问题；……