计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2013年
11期
3094-3096,3148
,共4页
李太勇%王会军%吴江%张智林%唐常杰
李太勇%王會軍%吳江%張智林%唐常傑
리태용%왕회군%오강%장지림%당상걸
稀疏贝叶斯学习%分类%信用评估%金融风险%特征选择
稀疏貝葉斯學習%分類%信用評估%金融風險%特徵選擇
희소패협사학습%분류%신용평고%금융풍험%특정선택
Sparse Bayesian Learning (SBL)%classification%credit risk evaluation%financial risk%feature selection
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).SBLCredit充分利用稀疏贝叶斯学习的优势,在添加的特征权重的先验知识的情况下进行求解,使得特征权重尽量稀疏,以此实现个人信用评估和特征选择.在德国和澳大利亚真实信用数据集上,SBLCredit方法的分类精度比传统的K近邻、朴素贝叶斯、决策树和支持向量机平均提高了4.52％,6.40％,6.26％和2.27％.实验结果表明,SBLCredit分类精度高,选择的特征少,是一种有效的个人信用评估方法.
針對傳統信用評估方法分類精度低、特徵可解釋性差等問題,提齣瞭一種使用稀疏貝葉斯學習方法來進行箇人信用評估的模型(SBLCredit).SBLCredit充分利用稀疏貝葉斯學習的優勢,在添加的特徵權重的先驗知識的情況下進行求解,使得特徵權重儘量稀疏,以此實現箇人信用評估和特徵選擇.在德國和澳大利亞真實信用數據集上,SBLCredit方法的分類精度比傳統的K近鄰、樸素貝葉斯、決策樹和支持嚮量機平均提高瞭4.52％,6.40％,6.26％和2.27％.實驗結果錶明,SBLCredit分類精度高,選擇的特徵少,是一種有效的箇人信用評估方法.
침대전통신용평고방법분류정도저、특정가해석성차등문제,제출료일충사용희소패협사학습방법래진행개인신용평고적모형(SBLCredit).SBLCredit충분이용희소패협사학습적우세,재첨가적특정권중적선험지식적정황하진행구해,사득특정권중진량희소,이차실현개인신용평고화특정선택.재덕국화오대리아진실신용수거집상,SBLCredit방법적분류정도비전통적K근린、박소패협사、결책수화지지향량궤평균제고료4.52％,6.40％,6.26％화2.27％.실험결과표명,SBLCredit분류정도고,선택적특정소,시일충유효적개인신용평고방법.
