基于数据及动态特征优化与Bagging集成的信贷风险预测方法

本发明公开了基于数据及动态特征优化与Bagging集成的信贷风险预测方法，包括如下步骤：S1：获取初始数据集，进行数据预处理，并通过ATGA算法平衡数据集，降低数据噪声；S2：以LightGBM为代理模型，计算所有特征的重要性得分，逐步地筛选关键特征，并通过动态阈值算法，根据数据分布自适应调整特征筛选标准，逐步筛选出特征子集，并将筛选出的特征输入到后续模型中；S3：使用Bagging集成算法构建TabPFN模型，并引入动态权重分配机制，根据样本特征自适应调整各基模型的权重，最终通过TabPFN模型实现信贷风险预测。本发明在数据集优化，特征筛选优化，模型性能优化三个方面综合性地对信贷风险预测的过程进行了优化，使得准确率、回报率等指标有所提高。