论文研究 基于RFE多种分类模型的P2P借款者默认识别与预测。

P2P网络借贷作为一种新型的互联网金融借贷模式，因其快速，低成本而受到人们的青睐。但是，借款人违约一直是平台关注的核心问题之一。由于借款人特征数据具有高维和多重共线性的特点，如何选择关键特征来判断借款人违约行为成为一个热门话题。为了解决这个问题，本文利用借贷俱乐部借贷平台的数据，引入递归特征消除方法（RFE）来选择关键变量，并结合分类模型来预测借贷者的违约行为。研究结果表明，递归特征消除方法可以筛选出影响借款人违约的关键变量。采用递归特征消除方法后，分类模型的准确率超过95％。