五邑大学学报（自然科学版）
五邑大學學報（自然科學版）
오읍대학학보（자연과학판）
JOURNAL OF WUYI UNIVERSITY(NATURAL SCIENCE EDITION)
2015年
2期
44-48
,共5页
李运蒙%石安安%桂绕根%涂英
李運矇%石安安%桂繞根%塗英
리운몽%석안안%계요근%도영
助学贷款%支持向量机%集成学习%风险预警%贝叶斯融合方法
助學貸款%支持嚮量機%集成學習%風險預警%貝葉斯融閤方法
조학대관%지지향량궤%집성학습%풍험예경%패협사융합방법
student loans%support vector machines%ensemble learning%risk early-warning%Bayes fusion method
用贝叶斯方法将随机选用的多个不同类别的支持向量机集成为预警模型，通过银行实际助学贷款数据对模型进行测试和验证，结果表明该集成模型有更高的分类准确度，可以为银行助学贷款违约行为的预判提供重要的参考依据。
用貝葉斯方法將隨機選用的多箇不同類彆的支持嚮量機集成為預警模型，通過銀行實際助學貸款數據對模型進行測試和驗證，結果錶明該集成模型有更高的分類準確度，可以為銀行助學貸款違約行為的預判提供重要的參攷依據。
용패협사방법장수궤선용적다개불동유별적지지향량궤집성위예경모형，통과은행실제조학대관수거대모형진행측시화험증，결과표명해집성모형유경고적분류준학도，가이위은행조학대관위약행위적예판제공중요적삼고의거。
Using the support vector machine (SVM) as the base classifier, an early warning model is established by assembling a number of different categories of support vector machines using the Bayes fusion method. Testing and verifying using the actual band loan data shows that the ensemble model has a higher accuracy in classification and can provide an important reference basis for banks to pre-judge students’ breach of loan contracts.
