群智能算法优化XGBoost的信贷风险预测

来源：计算机工程与应用杂志2023年第23期北京时间：

作者：朱丽华, 龙海侠

单位：1.安阳工学院 计算机科学与信息工程学院，河南 安阳 455000；2.海南师范大学 信息科学技术学院，海口571158

摘要：为改善极端梯度提升（extreme gradient boosting，XGBoost）集成算法的信贷风险预测准确率，提出了一种改进的麻雀算法（improved sparrow search algorithm based on golden sine search，Cauchy mutation and opposition-based learning，GCOSSA）来优化XGBoost参数。采用黄金正弦搜索策略来更新发现者位置，既增强全局搜索能力又增强局部搜索能力；在算法中引入反向学习策略和柯西变异进行扰动来扩大搜索领域改善陷入局部最优，同时使用贪婪规则确定最优解；将改进的算法用6个基准函数进行测试，并对SSA和GCOSSA进行对比，评估GCOSSA寻优性能；用GCOSSA优化XGBoost参数。在数据集上测试，并与网格搜索寻优、SSA及其混合正余弦改进算法（improved sparrow search algorithm based on sine and cosine，ISSA）方法进行对比。结果表明改进后的GCOSSA优化XGBoost参数，在信贷风险预测中准确率更高。

关键词：麻雀搜索算法,黄金正弦搜索,反向学习,柯西变异,极端梯度提升（XGBoost）