基于SVM的滿意特征選擇及其在企業(yè)信用評(píng)估中的應(yīng)用.pdf

1、信用評(píng)估是銀行貸款業(yè)務(wù)的核心工作，對(duì)貸款客戶的信用評(píng)價(jià)是否科學(xué)可靠，關(guān)系著銀行經(jīng)營(yíng)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，亟需建立一套更為科學(xué)的評(píng)估模型。近年來，神經(jīng)網(wǎng)絡(luò)(NN)、支持向量機(jī)(SVM)等智能模型已被引入信用評(píng)估領(lǐng)域，并取得了令人鼓舞的研究性成果。但前人的研究著重于智能評(píng)估模型的建立，對(duì)評(píng)估指標(biāo)體系的選定卻未作充分的探討。本文采用數(shù)據(jù)挖掘領(lǐng)域中的特征選擇方法，結(jié)合SVM分類技術(shù)，對(duì)評(píng)估指標(biāo)的

2、選取進(jìn)行了較為深入的研究，并以此為基點(diǎn)，對(duì)信用評(píng)估的建模方法進(jìn)行了新的拓展。 本文將滿意優(yōu)化思想引入特征選擇方法中，并針對(duì)國(guó)內(nèi)銀行信用數(shù)據(jù)的特點(diǎn)，綜合考慮選出特征子集的維數(shù)及其在各個(gè)信用等級(jí)上的預(yù)測(cè)能力，設(shè)計(jì)了獨(dú)特的滿意特征選擇算法。為使選出的特征子集具有算法針對(duì)性及適用性，本文采用SVM交叉驗(yàn)證方法評(píng)估特征子集的預(yù)測(cè)性能。通過與三種不同的特征選擇方法的比較，發(fā)現(xiàn)基于SVM的滿意特征選擇能選出維數(shù)較低、總體預(yù)測(cè)性能較高、等級(jí)間預(yù)

3、測(cè)性能較為均衡的特征子集，證實(shí)了該算法的適用性及優(yōu)越性，并最終選定了一套較為簡(jiǎn)潔、實(shí)用的信用評(píng)估指標(biāo)體系。 在此基礎(chǔ)上，本文還將特征選擇方法應(yīng)用到建模領(lǐng)域，探索構(gòu)建多分類SVM組合評(píng)估模型的有效方法。對(duì)比實(shí)驗(yàn)表明，基于滿意特征選擇方式的多分類SVM組合模型，在預(yù)測(cè)性能上優(yōu)于基于Bagging方法的組合、基于特征分組方式的組合、以及另外三種基于Wrapper特征選擇方法的組合，并大大好于單個(gè)多分類SVM分類器，是一種有效且高性能的