多類分類支持向量機(jī)在信用評(píng)級(jí)領(lǐng)域的應(yīng)用及核參數(shù)選擇研究.pdf

1、支持向量機(jī)(Support Vector Machine)是數(shù)據(jù)挖掘的新方法，也是一種小樣本統(tǒng)計(jì)工具，它在解決小樣本、非線性及高維的模式識(shí)別問題上具有其他機(jī)器學(xué)習(xí)方法難以企及的優(yōu)勢(shì)。在支持向量機(jī)二類分類方法的基礎(chǔ)上，本文深入研究了多類分類的算法及其應(yīng)用。 巴塞爾新資本協(xié)議希望并鼓勵(lì)銀行業(yè)發(fā)展內(nèi)部信用評(píng)級(jí)系統(tǒng)，如何尋找到一種客觀、可行的評(píng)級(jí)方法，如何構(gòu)建內(nèi)部評(píng)級(jí)系統(tǒng)，對(duì)國(guó)內(nèi)銀行從業(yè)者提出了新的要求和挑戰(zhàn)。信用評(píng)級(jí)從科學(xué)的角度對(duì)信用

2、度進(jìn)行定性和定量分析，其本質(zhì)是一個(gè)非線性的分類問題，用支持向量機(jī)可以很好地解決。 本文在前人研究的基礎(chǔ)上，圍繞著支持向量機(jī)多類分類算法的改進(jìn)及其在信用評(píng)級(jí)領(lǐng)域應(yīng)用而展開。 首先，根據(jù)巴塞爾新資本協(xié)議提出的信用評(píng)級(jí)體系，建立對(duì)應(yīng)的評(píng)級(jí)模型。該模型的建立將信用評(píng)級(jí)過程標(biāo)準(zhǔn)化，層次化。本文主要針對(duì)模型層進(jìn)行分析，通過改進(jìn)模型層的核心算法，實(shí)現(xiàn)不同的評(píng)級(jí)方法。 其次，將層次支持向量機(jī)、糾錯(cuò)編碼支持向量機(jī)等幾種適合用于多類

3、分類的算法加以改變和優(yōu)化，使之有更好的分類效果。然后結(jié)合銀行提供的評(píng)級(jí)樣本，使用工具箱實(shí)現(xiàn)了機(jī)器學(xué)習(xí)和數(shù)據(jù)評(píng)估過程。最后從性能、分類效果和易實(shí)現(xiàn)等角度分析了這幾種多類分類算法的相對(duì)優(yōu)劣。 本文還分析了核函數(shù)的選取對(duì)支持向量機(jī)分類結(jié)果的影響，通過調(diào)節(jié)參數(shù)，對(duì)不同參數(shù)條件下的分類效果進(jìn)行實(shí)驗(yàn)。分析了幾種最常見核函數(shù)的性能和特點(diǎn)，闡述了核函數(shù)的構(gòu)造和相關(guān)定理，選擇實(shí)驗(yàn)所用的核函數(shù)--Gauss徑向基核函數(shù)；同時(shí)研究了Gauss徑向基核