Cost-sensitive ensemble learning for bankruptcy prediction under extreme class imbalance

集成学习 机器学习 集合预报 人工智能 概率逻辑 重采样 计算机科学 破产预测 校准 班级(哲学) 破产 任务(项目管理) 预测建模 概率预测 计量经济学 决策树 数据挖掘 贝叶斯概率 均方预测误差 统计模型 推论 评分规则 决策论
作者
Tu Thanh Dam,Xuan Tho Dang
出处
期刊:Discover Artificial Intelligence [Springer Nature]
卷期号:6 (1) 被引量:1
标识
DOI:10.1007/s44163-026-01266-4
摘要

Abstract Corporate bankruptcy prediction is a high-stakes artificial intelligence (AI) task characterized by extreme class imbalance and asymmetric misclassification costs. Although ensemble learning models have shown strong predictive performance, most existing studies rely on cost-insensitive metrics and fixed decision thresholds, which can misrepresent real-world decision utility. This study reframes bankruptcy prediction as a decision-centric AI problem and proposes a cost-sensitive ensemble learning framework that explicitly decouples probabilistic prediction from decision-making. Ensemble models are trained to produce calibrated risk estimates and are subsequently combined with cost-aware threshold optimization to minimize expected misclassification cost. An extensive evaluation on a real-world bankruptcy dataset using repeated, leakage-free cross-validation integrates imbalance-aware and decision-centric metrics, including PR-AUC, F-score, expected cost, and calibration measures. The results show that model rankings change substantially under decision-centric evaluation. Boosting-based ensembles provide the most favorable balance between minority detection, probability reliability, and decision cost, while data-level resampling via SMOTEENN yields limited benefits once cost-sensitive optimization is applied. Overall, the study highlights the importance of separating prediction from decision-making in imbalanced AI systems and offers practical guidance for deploying ensemble models in high-stakes risk assessment.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
liuchair发布了新的文献求助10
刚刚
xx121发布了新的文献求助10
刚刚
DDACCZ发布了新的文献求助10
刚刚
Tongtong发布了新的文献求助10
1秒前
1秒前
心静完成签到,获得积分10
1秒前
欢喜怀蝶完成签到,获得积分10
2秒前
渣渣XM发布了新的文献求助100
2秒前
李离子完成签到,获得积分10
2秒前
Lee完成签到,获得积分10
2秒前
3秒前
地黄饮子的应助被zhang采纳,获得10
3秒前
完美世界的应助被baobao采纳,获得10
3秒前
鹿过完成签到,获得积分10
4秒前
Jasper的应助被调皮钧采纳,获得10
4秒前
侯小遥发布了新的文献求助10
4秒前
hua发布了新的文献求助10
4秒前
凯哥完成签到 ,获得积分10
4秒前
wanci的应助被leotao采纳,获得10
5秒前
jack发布了新的文献求助10
5秒前
Sunjz完成签到,获得积分10
5秒前
脑洞疼的应助被小海螺采纳,获得10
5秒前
wangzong发布了新的文献求助30
6秒前
zhou完成签到,获得积分10
6秒前
宁语完成签到,获得积分10
6秒前
liuchair完成签到,获得积分10
6秒前
李离子发布了新的文献求助10
6秒前
Koi完成签到,获得积分10
7秒前
7秒前
7秒前
糊涂的踏歌完成签到,获得积分10
7秒前
东风完成签到,获得积分10
7秒前
8秒前
沉静土豆发布了新的文献求助10
8秒前
彭于晏的应助被阳光的荠采纳,获得10
8秒前
9秒前
9秒前
今天不下雨完成签到,获得积分10
9秒前
努力努力再努力完成签到,获得积分10
10秒前
友好的芷雪完成签到,获得积分10
10秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
Social Psychology in the Real World 600
八旗制度の研究 600
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8181014
求助须知:如何正确求助?哪些是违规求助? 9571039
关于积分的说明 21816042
捐赠科研通 7777369
什么是DOI,文献DOI怎么找? 3433378
关于科研通互助平台的介绍 2557621
邀请新用户注册赠送积分活动 2479385