摘要：對于銀行、P2P等金融機構(gòu)而言,如何在擴大業(yè)務(wù)規(guī)模的同時,有效控制并合理防范信用風險尤為重要。基于LightGBM算法,根據(jù)借款申請人提供的相關(guān)個人信息,建立分類預(yù)測模型,對借款人是否會逾期、是否該發(fā)放貸款進行預(yù)測研究。實驗結(jié)果表明,相較于普通決策樹算法,LightGBM預(yù)測精度提升了40.8%,且具有較好的魯棒性,可滿足信用評估要求。基于LightGBM的信用評估模型不僅擁有更快的訓練速度和更高的訓練效率,同時還占用更少的內(nèi)存,具有支持數(shù)據(jù)并行處理能力。利用該模型可對用戶信用風險進行較為準確的預(yù)測,對貸款機構(gòu)風險管理有重要參考價值。