基于多种机器学习算法的信用卡贷款违约预测研究
崔飞 张洪伟

湖北工程学院新技术学院，湖北孝感，432000；

摘要：针对信用卡贷款违约预测需求，本文基于中国台湾地区2005年信用卡客户数据，采用K近邻、决策树、XGBoost三种模型分析。经数据清洗与复合特征构建，初始 XGBoost分类表现最优，但存在阈值盲目与业务适配不足问题。引入G-means最大化阈值调整并融合决策树规则优化后，XGBoost在测试集性能显著提升、错误率大降，能精准识别高风险用户。研究证实，优化后XGBoost准确可靠，可为金融机构信贷风控提供支撑，符合监管要求。

关键词：贷款违约；机器学习；XGBoost模型；风险防控

参考文献

[1]曹光宇.2024年上市银行年报之信用卡专题解读[J].中国信用卡,2025,(06):9-20.

[2]朱丽云.基于Logistic模型的商业银行信用风险分析[J].品牌研究,2019,(19):17-18.DOI:10.19373/j.cnki.14-1384/f.2019.19.005.

[3]朱振涛,孙敏,沈建红.信用卡逾期行为的影响因素及行为预测研究[J].南京工程学院学报(社会科学),2019,19(03):46-53.DOI:10.13960/j.issn.2096-238X.2019.03.009.

[4]张思扬.基于逻辑回归模型的信用卡逾期风险预测及优化[J].现代信息科技,2024,8(19):141-145+151.DOI:10.19850/j.cnki.2096-4706.2024.19.026.

[5]范巍强，刘暾东.基于BP神经网络的信用卡违约风险预测［J］.电脑知识与技术，2011，7（10）：2348-2349.

[6]陶明泽,熊星星,陈军伟,等.基于去噪扩散概率模型的信用卡欺诈检测[J/OL].计算机科学与探索,1-20[2025-11-14].

[7]姚旭,王晓丹,张玉玺等.特征选择方法综述[J].控制与决策,2012,27(2):161-166.

[8]赵阳,张杰萌,严国义.基于SMOTE-XGBoost算法的信用卡违约预测模型研究[J].武汉工程大学学报,2025,47(03):343-348.DOI:10.19843/j.cnki.CN42-1779/TQ.202312031.