基于遺傳算法的子空間分類研究及其在個人信用評估中的應用.pdf

1、隨著信息技術的發(fā)展,銀行在個人信用風險評估中面臨大規(guī)模高維復雜數(shù)據(jù)的分析和處理,如何通過貸款用戶的個人信息、信用記錄、歷史消費記錄等,建立風險等級分類模型,已成為構(gòu)建個人信用風險評估體系的關鍵?；诖笠?guī)模數(shù)據(jù)分析和建模,時間和空間開銷較大,算法效率較低,且建立的模型較復雜。此外,隨著數(shù)據(jù)維度的增加,空間中的數(shù)據(jù)點越來越稀疏,數(shù)據(jù)點間距離差異越來越小,可能導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甚至是噪聲的屬性,則將直

2、接影響模型的準確率。
　　針對以上問題,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的新訓練集。然后利用GA進行子空間優(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