基于NaN-Bicluster SMOTE的非均衡信贷数据分类研究及应用

为了有效评估非均衡信贷数据中的借款人信用风险，基于合成少数过采样技术（Synthetic minority oversampling technique，SMOTE）、自然近邻（Natural neighbor，NaN）和双聚类（Bicluster）构建了NaN-Bicluster SMOTE方法以改进SMOTE。首先使用无参数的自然近邻设定采样样本选取的逻辑规则，规避了$r$近邻划分样本时产生的不稳定性；其次基于自然近邻稳定结构规定安全范围设定的逻辑规则，避免合成样本成为噪声样本；然后使用双聚类挖掘局部规则，以合成样本继承局部规则的方式改进SMOTE合成公式；最后，在Prosper小额贷款平台的非均衡信贷数据集上将NaN-Bicluster SMOTE与若干采样方法和机器学习模型进行对比分析，并进一步使用统计检验方法验证其性能的优越性。