本研究针对信用评级中非线性模式难以捕捉的挑战，提出了一种名为CRAXNet的新型两阶段混合模型。该模型通过XGBoost进行特征选择并生成类别概率，再输入神经网络进行非线性模式学习，在两项公开数据集上实现了最高4.74%的准确率和9.86% F1-Score的性能提升，为 ...