基于屬性選擇的集成分類方法在信貸評估中的應用.pdf

1、為了更好的防范信貸風險和進一步推動個人消費信貸業(yè)務的發(fā)展，商業(yè)銀行必須建立一套完善有效、科學合理的個人信貸評級體系。因此，如何有效地對新客戶進行信貸評估，防范信貸不良的客戶，提高銀行預防和抵抗信貸風險的能力，具有重要的意義。因此，信貸評估的研究具有重要的理論價值和實際意義。
　　 本文將個人信貸評估作為一個分類的問題。首先用SAS語言對原始數(shù)據(jù)集作預處理，包括數(shù)據(jù)清理、數(shù)據(jù)轉換、數(shù)據(jù)歸約和離散化處理，針對新的數(shù)據(jù)集，利用SAS數(shù)

2、據(jù)挖掘系統(tǒng)建立分類模型，這些模型包括決策樹方法、邏輯回歸方法和神經(jīng)網(wǎng)絡方法。
　　 接著為了進一步提升分類正確率，在屬性選擇上，本文對比了三個標準所選取的屬性子集，這些標準分別是：信息增益標準、Relief標準和卡方標準，并且經(jīng)過三次試驗，確定信息增益標準所確立的屬性子集為“最佳”的篩選結果。結果新數(shù)據(jù)集在分類效果上有了一定的改進，尤其是神經(jīng)網(wǎng)絡和決策樹方法對“壞客戶”的分類都有了很大的改善。
　　 最后，本文將神經(jīng)網(wǎng)絡