论文基于支持向量机和决策树CART的个人信用评估是关于支持向量机方面的的相关大学硕士和相关本科毕业论文以及相关支持向量机论文开题报告范文和职称论文写作参考文献资料下载。
摘 要：为了更好地控制借款人的信用风险,利用支持向量机对个人信用进行预测与分析,在支持向量机对个人信用评估产生缺陷的基础上提出基于代价敏感学的CART决策树预测个人信用的方法.实证分析表明：该方法能够较好地对借款人信用状况进行预测,为互联网金融机构进行相关风险管理提供理论依据.
关键词：支持向量机；个人信用；互联网金融机构；CART决策树；风险管理
中图分类号：F830.49
文献标志码：A文章编号：2095-5383（2016）04-0060-03
Abstract：To predict and analysis individual credit by using support vector machine （SVM）,the author puts forward a method of personal credit evaluation approach based on costsensitive CART, which provides a theoretical basis to commercial banks of the assesent for personal credit status about related risk management .
Key words：Support Vector Machine（SVM）； personal credit； online financing；classification and regression tree； risk management
随着社会经济的发展,互联网金融对促进小微企业融资和扩大就业产生了积极影响.但由于目前国内征信体系不完善、违约成本低等原因极易出现借款人违约等信用风险.风险的出现无疑会给相关金融机构和投资人带来巨大的损失,最终不利于互联网金融的健康发展.因此,建立互联网金融标准时应将信用管理作为一个关键指标.美国互联网金融机构把FICO信用分[1]作为信用风险控制最重要的参考数据,而国内尚缺乏这样的信用评分体系,不能精确估计消费信贷的风险.同时,由于互联网金融与传统商业银行在客户定位上的根本性差异,两者的信用评价模式也就不同.传统商业银行客户信用评价模式依赖于提供足够的抵押物或有效担保,或提供合适的财务报表等“硬信息”；互联网金融小微客户缺乏充足的抵押物,难以提供有效担保,且财务报表往往不规范、不全或失真,因此,我国应在基于本国国情的基础上结合客户的特征进行风险管理.充分利用积累的信息和数据,采用合适的信用评估方法对不同类别的借款人进行有效的信用评估.目前国内学者已经提出关于个人信用评估的多种分类方法：如李太勇等[2]针对传统信用评估方法分类精度低、特征可解释性差等问题,提出了一种使用稀疏贝叶斯学习方法来进行个人信用评估的模型（SBLCredit）.张燕等[3]针对个人信用评估中未标号数据获取容易而已标号数据获取相对困难,以及普遍存在的数据不对称问题,提出了基于改进图半监督学习技术的个人信用评估模型.汤浩龙等[4]以个人贷款信用评估为切入点,将支持向量机（Support Vector Machines,SVM）方法应用到个人贷款信用评估模型中.本文在利用Clementine软件基于支持向量机方法对个人信用评估进行评估的基础上提出了不平衡类问题,并提出基于代价敏感学习的分类决策树（Classification And Regression Tree,CART）的解决办法.
1 基于支持向量机的个人信用评估
1.1 支持向量机分类原理
SVM是一种监督式学习的方法,基本思想是把输入空间的样本通过非线性变换映射到高维特征空间,然后在特征空间中求取把样本线性分开的最优分类面[5],如图1所示.
.
1.2 个人信用评估的SVM模型建立
本文通过运用数据挖掘中的Clementine软件来对样本数据进行建模分析,具体过程如下：
1.2.1 商业理解
目前,住房按揭、消费信贷、汽车贷款、信用卡等信用消费已经逐步浮出水面,但是国内商业银行对消费贷款的风险管理水平较低,管理手段与方法均较落后,本研究利用信贷评估实例数据进行实证分析,采用最合适的任务安排和挖掘算法,为商业银行评估个人信用状况,并进行相关风险管理提供了理论依据.
1.2.2 数据理解
数据理解的关键是数据源的选择.本研究选用德国一银行信贷评估实例数据进行实证分析,实例数据中主要有20个影响违约状况的因素,第21个指标为该德国银行根据前面20个属性指标进行综合判断后对每个各户给出的信用评估类别.该样本数据包含1 000个客户,被银行批准获得贷款的“好客户”有700个,同时未获得银行贷款的“坏客户”有300个.
1.2.3 数据准备
在构建模型时,数据的处理对模型的评估结果有很大的影响.为了使模型的评估结果更准确,需要对数据进行预处理.我们将其中关于各个属性对应的状态编码数字化,首先根据每个属性的不同的状态按照0,1,2,等由小到大按顺序进行编号,其次将所有的属性及状态标号汇总在同一张Excel表中用于导入到Clementine软件中进行分析.
1.2.4 模型建立
选取 Clementine中的支持向量机节点建模,并分别用不同的核函数进行分类,具体的操作过程为：
Step1：将德国信用数据集Excel表导入其中作为源节点,将表节点附加到变量文件节点并执行流,将一个类型节点附加到源节点,将客户类别的字段值类型设置为“标志”,方向设置为“输出”,其他所有指标字段的方向设置为输入.
Step2：SVM 节点提供多个可选的核函数用于执行处理过程.由于无法知道哪个函数对于任意给定的数据集性能最佳,依次选用RBF（径向基函数）、poly（多项式函数）、Sigmoid函数和 line（线性函数）进行比较研究.
总结:本论文为免费优秀的关于支持向量机论文范文资料，可用于相关论文写作参考。
参考文献：
1、 支持向量机在汽车加速车内声品质预测中应用 摘 要：对汽车加速时车内声品质采用支持向量机实施预测。将客观评价参量作为输入因子，诸如噪声样本的响度、粗糙度以及尖锐度等，而可以经评价结果作为输。
2、 基于支持向量机战术电台网络通信信号调制识别 摘 要 为了在低信噪比下准确识别战术电台网络通信信号的调制方式，利用多种参数提取方法与支持向量机（SVM）对战术电台网络通信信号的调制方式进行识。
3、 基于支持向量机的光电测量系统畸变校正 摘 要： 畸变直接影响光电测量系统的测量效果，为了提高光电测量系统的测量精度，提出基于支持向量机的光电测量系统畸变校正模型。首先对当前光电测量系。
4、 基于遗传算法的双子支持向量机的模型选择 摘 要： 双子支持向量機是在支持向量机的基础上提出的一种新的机器学习方法。与传统支持向量机相比，双子支持向量机寻找的是一对不平行的超平面，计算效。
5、 最小二乘支持向量机在船舶交通流特征分析中应用 摘要：船舶交通流分布特征的研究可为船舶通航安全管理与航道规划设计提供基础性依据，而从离散的船舶交通流数据中拟合出其分布函数是研究其分布特征的关键。