基于遺傳算法的子空間分類研究及其在個(gè)人信用評(píng)估中的應(yīng)用.pdf

1、隨著信息技術(shù)的發(fā)展,銀行在個(gè)人信用風(fēng)險(xiǎn)評(píng)估中面臨大規(guī)模高維復(fù)雜數(shù)據(jù)的分析和處理,如何通過貸款用戶的個(gè)人信息、信用記錄、歷史消費(fèi)記錄等,建立風(fēng)險(xiǎn)等級(jí)分類模型,已成為構(gòu)建個(gè)人信用風(fēng)險(xiǎn)評(píng)估體系的關(guān)鍵?；诖笠?guī)模數(shù)據(jù)分析和建模,時(shí)間和空間開銷較大,算法效率較低,且建立的模型較復(fù)雜。此外,隨著數(shù)據(jù)維度的增加,空間中的數(shù)據(jù)點(diǎn)越來越稀疏,數(shù)據(jù)點(diǎn)間距離差異越來越小,可能導(dǎo)致許多基于距離的度量方法失效;且眾多屬性中可能包含大量無關(guān)甚至是噪聲的屬性,則將直

2、接影響模型的準(zhǔn)確率。
　　針對(duì)以上問題,本文提出了一種基于遺傳算法(Genetic Algorithm,GA)的SVM子空間分類算法。該算法首先改進(jìn)樣本選擇策略,采用基于置信度和凸包的樣本選擇方法,同時(shí)考慮類間距離和樣本分布等因素,選擇典型代表樣本作為SVM的新訓(xùn)練集。然后利用GA進(jìn)行子空間優(yōu)化,采用矩陣式混合編碼方式,一并獲得較小的代表樣本特征子空間和較優(yōu)的SVM分類參數(shù),并根據(jù)特征優(yōu)化后的代表樣本,構(gòu)建SVM分類模型。在UCI