基于支持向量機(jī)的個(gè)人信用評(píng)估特征優(yōu)化研究.pdf

1、隨著國(guó)內(nèi)個(gè)人信貸業(yè)務(wù)的不斷展開，一套科學(xué)而且自動(dòng)的信用評(píng)估系統(tǒng)顯得極為迫切，為此，許多學(xué)者致力于運(yùn)用統(tǒng)計(jì)學(xué)方法及最優(yōu)化理論解決這個(gè)問題。支持向量機(jī)模型結(jié)合了統(tǒng)計(jì)學(xué)與最優(yōu)化理論，在滿足結(jié)構(gòu)風(fēng)險(xiǎn)最小化的原則下得到分類模型，故本文所研究的個(gè)人信用評(píng)估應(yīng)用中的特征優(yōu)化方法均以支持向量機(jī)的分類正確率作為優(yōu)化標(biāo)準(zhǔn)。并且考慮到樣本數(shù)據(jù)混疊嚴(yán)重的情況，本文利用了K近鄰法對(duì)SVM模型進(jìn)行改進(jìn)，提出了Mul-SVM-KNN模型(見第5.4節(jié))。
　　

2、 由于個(gè)人信用數(shù)據(jù)特征較多存在相關(guān)性及冗余，而且有些維度僅為了銀行對(duì)申請(qǐng)者的常規(guī)驗(yàn)證，對(duì)其信用評(píng)估并無作用，因此特征提取和特征選擇是優(yōu)化信用評(píng)估模型的關(guān)鍵步驟。本文首先采用主成分分析方法對(duì)取自UCI機(jī)器學(xué)習(xí)庫(kù)的兩個(gè)信用數(shù)據(jù)集進(jìn)行特征提取，用得到的綜合指標(biāo)進(jìn)行分類模擬實(shí)驗(yàn)。接著，本文設(shè)計(jì)了兩種特征選擇算法，即AUC-Sort特征選擇方法(見第4.2節(jié))和MG特征選擇方法(見第4.3節(jié))，其中，AUC-Sort方法計(jì)算按各個(gè)特征的信息增益