一种基于迁移学习的信用评分模型建模方法

本发明公开了一种基于迁移学习的信用评分模型建模方法，包括：数据采集阶段，将样本分为源域和目标域，并将目标域样本分为训练和测试集；数据预处理阶段，将特殊值和异常值剔除，样本赋予初始权重，并对变量进行基于证据权重(WOE)的线性化，然后根据变量对好坏样本的区分能力以及变量间相关性，筛选适合入模的变量；迭代模型阶段，基于改进后的针对回归问题的迁移自适应增强算法(TrAdaBoost.R2)为基本框架，采用广义线性模型为基准模型，对权重和模型进行反复迭代；停止迭代阶段，则基于模型损失函数及其在测试集上的表现趋势，判断是否停止迭代。该方法实现基于小样本的信用评分模型建模，大幅提高模型迭代的速度。