摘 要：本文基于國內(nèi)某電子商務(wù)平臺(tái)的用戶購買行為數(shù)據(jù)，分別利用邏輯回歸、支持向量機(jī)、隨機(jī)森林和Xgboost建立信用評(píng)估模型，通過AUC值和F1得分比較各個(gè)模型的優(yōu)劣，最終對(duì)表現(xiàn)優(yōu)異的模型進(jìn)行再次融合，從而提高電子商務(wù)平臺(tái)風(fēng)險(xiǎn)評(píng)估效率。

關(guān)鍵詞：電子商務(wù)；信用消費(fèi)；風(fēng)險(xiǎn)評(píng)估；Xgboost；模型融合

一、引言

基于信息技術(shù)誕生的電子商務(wù)，極大地豐富了人們的消費(fèi)方式。電子商務(wù)平臺(tái)的出現(xiàn)打破了傳統(tǒng)商務(wù)模式中區(qū)域以及國界的各種壁壘，與三方支付平臺(tái)的有效結(jié)合將傳統(tǒng)商務(wù)模式的購買行為變得更加高效便捷，還產(chǎn)生了像“花唄”這樣的信用消費(fèi)產(chǎn)品。與此同時(shí)也產(chǎn)生了一些問題，電子商務(wù)的虛擬化雖然令各類信息更加易得，但各種虛假信息摻雜其中，尤其在信用消費(fèi)中，不少用戶忽視規(guī)則使用信用消費(fèi)導(dǎo)致不能按時(shí)還款，甚至給了一些不法分子惡意消費(fèi)的機(jī)會(huì)。因此本文基于電子商務(wù)平臺(tái)用戶消費(fèi)行為數(shù)據(jù)構(gòu)建信用評(píng)估模型給用戶提供合理信用消費(fèi)權(quán)限。

二、模型選擇

本文分別利用邏輯回歸、支持向量機(jī)、隨機(jī)森林建立信用評(píng)估模型，通過AUC值和F1得分比較各個(gè)模型的優(yōu)劣，最終對(duì)表現(xiàn)優(yōu)異的模型進(jìn)行再次融合，從而提高互聯(lián)網(wǎng)金融用戶風(fēng)險(xiǎn)評(píng)估效率。

三、數(shù)據(jù)處理和模型評(píng)價(jià)

1.數(shù)據(jù)描述

本文選取了國內(nèi)某電子商務(wù)平臺(tái)的用戶購買和支付行為數(shù)據(jù)作為研究目標(biāo)。數(shù)據(jù)集包括Master、Log_Info、Userupdate_Info三個(gè)部分。Master表中包含了用戶的學(xué)歷學(xué)籍、社交行為等字段，Log_Info表中主要有用戶終端日常操作行為字段，Userupdate_Info表里存儲(chǔ)了用戶修改相關(guān)信息的行為字段，三部分基礎(chǔ)數(shù)據(jù)集共包含228個(gè)特征信息。

2.數(shù)據(jù)處理

對(duì)缺失值的處理，總的來說分為刪除法和插補(bǔ)法。在征信領(lǐng)域，用戶信息的完整程度可能會(huì)影響該用戶的評(píng)級(jí)。本文分別從用戶屬性缺失率（按行）和特征缺失率（按列）兩個(gè)角度對(duì)缺失數(shù)據(jù)進(jìn)行了處理。

特征缺失率是指對(duì)于某個(gè)特定屬性，缺失樣本數(shù)占總樣本數(shù)的比率。圖1顯示的是存在缺失的屬性及對(duì)應(yīng)的缺失比率。指標(biāo)WeblogInfo_3及WeblogInfo_1變量的缺失率為0.967，這兩列屬性能夠提供的信息量極少，可以直接剔除。UserInfor_11、UserInfor_12、UserInfor_13三個(gè)變量的缺失率為0.63，這三個(gè)變量均為分類變量，這種情況下可以將缺失值用當(dāng)作分類變量的一個(gè)類別處理。

用戶屬性缺失率指的是對(duì)于某個(gè)具體用戶而言其所有指標(biāo)中缺失指標(biāo)數(shù)占總指標(biāo)數(shù)的比率。本文統(tǒng)計(jì)了訓(xùn)練樣本及測試樣本中每個(gè)用戶的缺失屬性個(gè)數(shù)，并且按照缺失個(gè)數(shù)進(jìn)行排序，以排序序號(hào)為橫軸缺失個(gè)數(shù)為縱軸，畫出圖2，從圖中可以看出，屬性缺失個(gè)數(shù)呈現(xiàn)階梯裝上升的特點(diǎn)，說明缺失個(gè)數(shù)這個(gè)特征可以有效的將用戶群體區(qū)分開。本文將缺失個(gè)數(shù)作為一個(gè)離散變量加入到訓(xùn)練集中。

其中x是原始數(shù)據(jù)，μ是x的均值，μ是x的標(biāo)準(zhǔn)差，歸一化之后的數(shù)據(jù)由于對(duì)方差進(jìn)行了統(tǒng)一，這時(shí)候每個(gè)維度的量綱其實(shí)已經(jīng)等價(jià)了，避免了不同量綱的選取對(duì)距離計(jì)算產(chǎn)生的巨大影響。本文對(duì)分類變量采用獨(dú)熱編碼處理。

數(shù)據(jù)挖掘算法需要基于豐富的特征空間才能發(fā)揮良好的性能，單用原始數(shù)據(jù)的特征空間進(jìn)行建模往往達(dá)不到理想的效果。本文針對(duì)Log_Info、Userupdate_Info兩表，從中提取用戶修改個(gè)人信息的特征以及登陸狀態(tài)特征如：修改次數(shù)、修改時(shí)間、登陸天數(shù)等。特征提取完成之后又對(duì)數(shù)據(jù)特征進(jìn)行了組合。

3.分類模型評(píng)價(jià)

精確率、召回率、AUC、F1等都是用來評(píng)價(jià)二分類模型好壞的指標(biāo)，參照表1，精確率的計(jì)算方式為TP/（TP+FP），即為在預(yù)測為壞人的人中，預(yù)測正確的人占比。召回率的計(jì)算方式為TP/（TP+FN），即為在實(shí)際為壞人的人中，預(yù)測正確的人占比。F1值是精確率和召回率的調(diào)和均值，即F1=2PR/（P+R），相當(dāng)于精確率和召回率的綜合評(píng)價(jià)指標(biāo)。

四、實(shí)驗(yàn)結(jié)果和分析

實(shí)驗(yàn)利用python語言實(shí)現(xiàn)，模型的表現(xiàn)采用AUC值和F1分?jǐn)?shù)來衡量。其中LR、SVM、RF模型借助Scikit-Learn機(jī)器學(xué)習(xí)庫進(jìn)行訓(xùn)練，Xgboost模型是借助xgboost庫進(jìn)行訓(xùn)練。其中在訓(xùn)練Xgboost模型時(shí)，先通過網(wǎng)格尋參法確定一組良好的參數(shù)得到模型XGB_1，接著結(jié)合bagging思想，對(duì)這組參數(shù)施加一個(gè)小范圍的隨機(jī)干擾，得到另外兩組模型XGB_2、XGB_3。最終將LR、SVM、RF、XGB_1、XGB_2、XGB_3六組模型進(jìn)行融合得到Model_all。從下表中模型表現(xiàn)來看，集成學(xué)習(xí)方法和模型融合方法對(duì)信用評(píng)估效果有顯著的提高。

五、結(jié)束語

本文基于電子商務(wù)平臺(tái)用戶消費(fèi)和支付行為數(shù)據(jù)，使用單個(gè)模型、集成模型、模型融合三種方式對(duì)訓(xùn)練數(shù)據(jù)集進(jìn)行擬合得到6組模型，并計(jì)算了每個(gè)模型的AUC值和F1得分，對(duì)比實(shí)驗(yàn)結(jié)果可以發(fā)現(xiàn)：集成學(xué)習(xí)算法的信用評(píng)估效果要優(yōu)于單個(gè)模型；對(duì)模型進(jìn)行再次融合能進(jìn)一步提高預(yù)測的效果。

參考文獻(xiàn)：

[1]朱曉明，劉治國.信用評(píng)分模型綜述[J].統(tǒng)計(jì)與決策，2007（2）：103-105.

[2]Altman E I. Financial Ratios， Discriminant Analysis and the Prediction of Corporate Bankruptcy[J].The Journal of Finance，1968，23（4）：589-609.

[3]WIGINTON J C. A note on the comparison of logic and discriminate models of consumer credit Behavior[J].Journal of Financial & Quantitative Analysis，1980，15（3）：757-770.

作者簡介：陳浩（1993- ），男，漢族，江蘇南通人，單位：南京郵電大學(xué)經(jīng)濟(jì)學(xué)院，2016級(jí)研究生，應(yīng)用統(tǒng)計(jì)專業(yè)