論文題目：P2P平台特徵變數選擇之探討-以Lending Club 為例
研究生：邱敬桓
論文出版年: 2019年
論文頁數：31頁
關鍵詞：P2P、機器學習、羅吉斯回歸、隨機森林、極限梯度提升、變數選擇、SVM
論文摘要:
隨著金融科技發展的趨勢，點對點(Peer to Peer)借貸規模快速成長，於是風險控制的必要性逐漸顯現，因此本研究利用機器學習來分析美國P2P平台的資料並進行預測。
變數選擇是資料分析前相當重要的步驟，不但可以降低資料的複雜度也能減少過度擬合(Over-fitting)的情況。本研究利用利用了隨機森林、極限梯度升、支持向量機以及羅吉斯回歸四個機器學習模型進行特徵的篩選，將其結果進行交集，最後剩下8個特徵，並利用極限梯度升作為分類預測模型，結果顯示選出特徵之預測能力有改善，本研究採用準確度(Accuracy)、精確度(Precision)、F1分數以及G mean作為評估預測力的指標。本研究的結果對於P2P平台來說，不但能夠減少蒐集變數所發生的成本，也能減少貸款違約發生的情況。
