摘要：對于銀行、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,有效控制并合理防范信用風(fēng)險尤為重要?；贚ightGBM算法,根據(jù)借款申請人提供的相關(guān)個人信息,建立分類預(yù)測模型,對借款人是否會逾期、是否該發(fā)放貸款進(jìn)行預(yù)測研究。實驗結(jié)果表明,相較于普通決策樹算法,LightGBM預(yù)測精度提升了40.8%,且具有較好的魯棒性,可滿足信用評估要求?；贚ightGBM的信用評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。利用該模型可對用戶信用風(fēng)險進(jìn)行較為準(zhǔn)確的預(yù)測,對貸款機(jī)構(gòu)風(fēng)險管理有重要參考價值。