BP神經(jīng)網(wǎng)絡(luò)和Logistic回歸在信用評級上的應(yīng)用與模型對比.pdf

1、隨著經(jīng)濟、技術(shù)的不斷發(fā)展，金融行業(yè)銀行業(yè)務(wù)的日趨成熟，科學技術(shù)與傳統(tǒng)行業(yè)的結(jié)合已成為時代的主流。也伴隨著p2p、網(wǎng)上銀行、眾籌等借貸平臺的出現(xiàn)，銀行個人信用評估在金融行業(yè)的發(fā)展的地位也越來也重要。信用是經(jīng)濟得以健康快速發(fā)展的重要保證，銀行的個人信用評估也同時影響著房屋借貸、汽車借貸等進入業(yè)務(wù)，因此快速度，高效率的信用評估已成為大多數(shù)銀行提高工作效率的共同需求。在科技高速發(fā)展的時代，利用人工智能搜索平臺獲取更多的信息用于信用評估，以及在利

2、益最大化與風險最小化的驅(qū)動下，使用數(shù)據(jù)挖掘技術(shù)，與機器學習的算法，可以提高審批效率，同時避免銀行客戶流失與放款錯誤帶來的不利影響。
　　本文從銀行信用評估的發(fā)展形勢與現(xiàn)狀分析著手，以 UCI中1000條信用數(shù)據(jù)作為數(shù)據(jù)來源，使用數(shù)據(jù)挖掘，與機器學習的算法，建立模型。使用神經(jīng)網(wǎng)絡(luò)，Logistic回歸的機器學習算法。其中，隨機抽樣70%數(shù)據(jù)作為訓練集，30%數(shù)據(jù)為測試集，用于訓練好的模型預測，得出預測結(jié)果并與真實值進行比較，計算模型