论文研究 信用卡违约预测中几种数据挖掘方法的比较

LightGBM是由Microsoft公司构建的开源，分布式和高性能GB框架。 LightGBM具有一些优点，例如学习速度快，并行效率高和数据量大等。 本文基于台湾地区开放式信用卡数据集，比较了Logistic回归，SVM，神经网络，Xgboost和LightGBM这5种数据挖掘方法。 结果表明，LightGBM的AUC，F1-Score和预测正确率最佳，Xgboost的预测正确率次之。 这表明LightGBM或Xgboost在分类响应变量的预测中具有良好的性能，并且在大数据时代具有良好的应用价值。