基于Stacking融合模型的客户贷款行为预测

摘要

在大数据时代，如何根据已有的贷款金融客户信息精准预测客户行为，探索大数据时代公司客户贷款行为规律，对公司贷款业务的开展进行指导，从而有效提高公司贷款投放金额规模，为金融机构选择优质的贷款客户提供决策依据.目前单一的预测模型研究方法虽然相对成熟，但容易受到其他一些随机因素的影响，导致预测的准确率和召回率不高，且模型仅适用于某些特定环境，泛化能力不强.因此，基于已获取的数据，本文使用数据挖掘技术，融合多种机器学习算法，针对特征选择前后的数据建立Stacking融合模型来预测客户的贷款行为.结果表明，通过数据建模分析，相较于预测性能较好的单模型Adaboost,融合模型各评价指标都有一定的提高.而且融合预测模型较为稳定，可以为公司挖掘潜在客户提供有效的业务开拓依据和实现资金精细化管理奠定坚实基础，具有较大的参考价值和现实意义.

关键词

客户贷款 / 机器学习 / Stacking融合模型