摘要：對(duì)于銀行、P2P等金融機(jī)構(gòu)而言,如何在擴(kuò)大業(yè)務(wù)規(guī)模的同時(shí),有效控制并合理防范信用風(fēng)險(xiǎn)尤為重要。基于LightGBM算法,根據(jù)借款申請(qǐng)人提供的相關(guān)個(gè)人信息,建立分類(lèi)預(yù)測(cè)模型,對(duì)借款人是否會(huì)逾期、是否該發(fā)放貸款進(jìn)行預(yù)測(cè)研究。實(shí)驗(yàn)結(jié)果表明,相較于普通決策樹(shù)算法,LightGBM預(yù)測(cè)精度提升了40.8%,且具有較好的魯棒性,可滿足信用評(píng)估要求。基于LightGBM的信用評(píng)估模型不僅擁有更快的訓(xùn)練速度和更高的訓(xùn)練效率,同時(shí)還占用更少的內(nèi)存,具有支持?jǐn)?shù)據(jù)并行處理能力。利用該模型可對(duì)用戶信用風(fēng)險(xiǎn)進(jìn)行較為準(zhǔn)確的預(yù)測(cè),對(duì)貸款機(jī)構(gòu)風(fēng)險(xiǎn)管理有重要參考價(jià)值。