摘要： 针对 ＳＭＯＴＥ等过采样方法对每个少数类合成相同数量新样本以及合成边界噪声 样本的缺点，提出了一种改进的 ＳＭＯＴＥ过采样方法。为提高违约用户识别率，构建高效准确的 信用风险评估模型，利用改进的 ＳＭＯＴＥ过采样方法对不平衡数据进行平衡化处理，并构建基于 基模型差异性的 Ｓｔａｃｋｉｎｇ集成模型识别违约用户。为解决 Ｓｔａｃｋｉｎｇ模型容易出现过拟合的问 题，同时最大程度保证模型的准确率，根据 ＪＣ指标为模型自适应的选择基模型，既要保证准确 率，又要存在一定的差异性。ＬｅｎｄｉｎｇＣｌｕｂ数据集的实验结果表明，ＪＣ指标挑选出的基分类器 所构成的 Ｓｔａｃｋｉｎｇ集成模型性能更优。

关键词: 过采样；Ｓｔａｃｋｉｎｇ模型；自适应集成；不平衡数据集

中图分类号: 

• TP92 F830