一种可解释性增强的信用风险预测方法

本发明属于信用预测技术领域，具体涉及一种可解释性增强的信用风险预测方法，包括以下步骤：采集客户的信用历史、行为特征、财务信息等信用相关特征数据，并对所述特征数据进行预处理；筛选有效特征，并基于原始特征数据构造衍生特征数据；划分训练集和测试集，利用集成学习模型对训练集进行训练，在测试集上评估模型性能；输入待评估样本数据，输出信用风险预测结果；引SHAP方法对模型输出结果进行可解释性分析，量化各特征数据对信用风险评分的边际贡献；本发明在提高预测准确率的同时显著增强了模型的可解释性，有助于降低“黑箱”模型在金融风控中的应用风险，具有良好的实用价值和推广前景。