基于粗集和SVM的房貸信用評估的應用研究.pdf

1、本文對基于粗集和SVM的房貸信用評估的應用進行了研究。文章首先介紹了個人住房貸款的現(xiàn)狀和現(xiàn)存的個人信用評估方法，提出了一種改進的個人信用評估方法。然后介紹了數(shù)據(jù)挖掘中常用的分類方法，通過比較各種分類方法的優(yōu)缺點，給出了本文選用支持向量機的原因。其次，深入研究了支持向量機的理論和算法。對三種訓練算法優(yōu)缺點進行了比較，最后選擇了Platt提出的序列最小最優(yōu)化算法。對粗糙集的理論和屬性約簡算法進行了研究和比較，最后選擇使用了基于屬性重要性的約

2、簡算法。接著，從綜合信息平臺采集分類挖掘所需數(shù)據(jù)，并進行了抽取和預處理。對支持向量機在信用評估應用中的問題進行了研究和解決，如核函數(shù)選取，參數(shù)選取，樣本非均衡問題等。實驗得出本實際應用中徑向基模型較好，采用Grid-search方法調(diào)整參數(shù)，達到了更好的推廣能力和預測結(jié)果，用分別懲罰支持向量機能有效解決樣本非均衡問題。再次，設計和實現(xiàn)了基于粗集和支持向量機的個人住房貸款信用風險評估原型系統(tǒng)，把該系統(tǒng)應用于建行大連分行個人住房貸款信用風險