基于SVM的直推學(xué)習(xí)和模型轉(zhuǎn)換及其在企業(yè)信用評(píng)估中的應(yīng)用.pdf

1、企業(yè)信用評(píng)估是銀行貸款業(yè)務(wù)經(jīng)營(yíng)的核心問題，評(píng)估結(jié)果對(duì)銀行制定決策和獲取利益具有重大意義。信用評(píng)估的可靠性、安全性和健全程度直接關(guān)系到貸款業(yè)務(wù)的成敗。 國(guó)內(nèi)銀行的信用評(píng)估方法目前還停留在傳統(tǒng)的比例分析階段，因此亟需建立一套更為科學(xué)的評(píng)估模型。目前該領(lǐng)域已經(jīng)取得了一定的研究成果，但是由于我國(guó)的資信評(píng)估行業(yè)起步較晚，歷史積累的樣本少，應(yīng)用傳統(tǒng)的統(tǒng)計(jì)分析手段難以取得理想的效果，而神經(jīng)網(wǎng)絡(luò)等常用的機(jī)器學(xué)習(xí)算法在小樣本情形下的泛化能力無(wú)法得

2、到保證。針對(duì)這一問題的現(xiàn)狀，本文引入了一種基于小樣本學(xué)習(xí)理論的標(biāo)準(zhǔn)算法——支持向量機(jī)(SuportVector Machine，SVM)，該方法特別適合于此類樣本較少的學(xué)習(xí)問題。 本文的研究主要包括兩方面內(nèi)容： 一，本文提出一種改進(jìn)的直推式支持向量機(jī)(Transductive SVM，TSVM)。TSVM是標(biāo)準(zhǔn)SVM在半監(jiān)督學(xué)習(xí)問題上的擴(kuò)展，但是傳統(tǒng)的TSVM算法存在訓(xùn)練速度慢、回溯式學(xué)習(xí)多和性能不穩(wěn)定的缺點(diǎn)。為此本文在

3、直推式學(xué)習(xí)中融入后驗(yàn)概率(PostProbability)的思想，得到了基于后驗(yàn)概率的直推式支持向量機(jī)(PPTSVM)，可有效解決上述問題。在企業(yè)資信樣本上的對(duì)比實(shí)驗(yàn)表明PPTSVM在分類準(zhǔn)確率和計(jì)算效率上優(yōu)于TSVM。 二，企業(yè)信用評(píng)估是一個(gè)多分類問題，而支持向量機(jī)在本質(zhì)上是針對(duì)二分類問題設(shè)計(jì)的。因此本文對(duì)支持向量機(jī)多分類的擴(kuò)展進(jìn)行了研究，提出了兩種解決方案：一是通過(guò)改變問題的表述方式，將多分類問題表述為二分類問題，提出了一種