[发明专利]一种结合深度神经网络的XGBoost集成信用评价系统及其方法

摘要

本发明公开了一种结合深度神经网络的XGBoost集成信用评价系统及其方法，包括数据预处理单元、数据划分单元、特征提取单元、训练单元和结果处理单元，利用深度神经网络提取训练集中的隐藏特征，将提取出来的隐藏特征进一步作为XGBoost的输入进行训练，最后对测试集进行预测，所得预测结果为信用概率。原始数据被分为训练集和测试集，在训练集中采用装袋采样方法生成可变训练子集：每个训练子集训练深度神经网络模型，选取出最后一个隐藏层的模型，将训练集和测试集进行特征提取以获得更多隐藏特征；将获得的训练集特征再通过XGBoost进行训练，对提取的测试集特征进行预测，将不同的基分类器的预测结果进行平均获得最终分类结果。该集成方法的准确性有明显的提高。

主权项

1.一种结合深度神经网络的XGBoost集成信用评价系统，其特征在于，包括：/n数据预处理单元，用于对缺失数据的原始数据集进行缺失值处理，且对原始数据集中的分类属性进行转化；/n数据划分单元，用于将从数据预处理单元得到的数据集划分测试集与训练集，并将训练集划分为多个训练子集；/n特征提取单元，用于通过深度神经网络对每一个训练子集进行特征提取，同时根据该训练子集的模型提取测试集特征；/n训练单元，用于通过XGBoost对提取后的训练子集进行训练，并预测信用概率，每一个训练子集训练得到的XGBoost模型为一个基分类器，通过所述基分类器对得到的测试集特征进行信用概率预测；/n结果处理单元，用于将多个基分类器的结果进行平均，得到最终信用表现。/n