Optimizing Credit Scoring in P2P Lending Using Hybrid Ensemble Learning
Notice bibliographique
Résumé
As mentioned in this paper, it is very urgent to improve the credit scoring of peer-to-peer (P2P) lending platform: a credit scoring system based on ensemble learning. Credit scoring systems, which analyze large amounts of data, may have difficulties in processing due to the intrinsic shortcomings of traditional models, namely data imbalance and their dependence on multiple variables. To overcome these difficulties, the proposed methodology uses a hybrid ensemble learning technique, combining the below machine learning algorithms: random forest, gradient boosting, XGBoost and a stacking ensemble model, Hareum algorithm. This method includes improved feature extraction to enhance the learning ability of the model and SMOTE is used to fix the data imbalance between defaulted and non-defaulted loans. Furthermore, SHAP (Shapley Additive Explanation) mean is used to clear the relationship between the choice of features and credit rating in the model. This interpretability is essential for financial applications, as it guarantees system performance and results to end-users. Models are checked according to particular criteria, such as accuracy, precision, recall, F1 score and area under the ROC curve (AUC-ROC). The results show that the ensemble model from stacking achieves better accuracy (92.4%) than the individual models, with an area under the ROC curve (AUC-ROC) of 94.5%. The evaluation of the model showed that the integration of feature engineering and SMOTE significantly improves its performance, especially in terms of recall and accuracy for payment default detection.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».