個(gè)人信用評(píng)估模型比較研究與模型實(shí)現(xiàn).pdf_第1頁(yè)
已閱讀1頁(yè),還剩106頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、本文將建立個(gè)人信用評(píng)估的量化模型。針對(duì)個(gè)人信用評(píng)估問(wèn)題,我們探討了模型建立與實(shí)現(xiàn)過(guò)程中的一些問(wèn)題。模型建立前的數(shù)據(jù)預(yù)處理是提高模型效果必不可少的環(huán)節(jié),通過(guò)計(jì)算各個(gè)評(píng)估指標(biāo)變量的優(yōu)勢(shì)率進(jìn)行了一元探索性數(shù)據(jù)分析并識(shí)別指標(biāo)變量與信用類(lèi)別變量之間的關(guān)聯(lián)性,然后利用這種關(guān)聯(lián)性選取個(gè)人信用評(píng)估指標(biāo),結(jié)果顯示它能使標(biāo)準(zhǔn)C-SVM的分類(lèi)正確率提高2.1139個(gè)百分點(diǎn);另外,采用主成分分析法選取指標(biāo),發(fā)現(xiàn)后者提高的幅度要稍微好一些,達(dá)3.2362個(gè)百分點(diǎn)

2、,但兩者提高的幅度均不是很大。為了進(jìn)一步提高分類(lèi)效果,采用KNN法對(duì)樣本集中的異常數(shù)據(jù)進(jìn)行了清洗,發(fā)現(xiàn)經(jīng)過(guò)清沈后標(biāo)準(zhǔn)C-SVM的分類(lèi)正確率有很大幅度的提高,達(dá)7.92135個(gè)百分點(diǎn)。在數(shù)據(jù)預(yù)處理的基礎(chǔ)上,我們分別采用BP神經(jīng)網(wǎng)絡(luò)、小波神經(jīng)網(wǎng)絡(luò)和支持向量分類(lèi)機(jī)方法建立個(gè)人信用評(píng)估的分類(lèi)模型,并測(cè)試了它們?cè)跀?shù)據(jù)預(yù)處理各個(gè)階段的分類(lèi)效果,從實(shí)驗(yàn)結(jié)果來(lái)看,支持向量分類(lèi)機(jī)的效果均是最優(yōu)的,而且它還能很好地處理兩類(lèi)誤分代價(jià)不同的情況,具有很好的靈活

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論