|
|||||
|
|
| 银行客户信用评估动态分类器集成选择模型 | |
| 作者姓名： | 肖进 刘敦虎 顾新 汪寿阳 |
| 作者单位： | 1. 四川大学商学院，成都610064; 中国科学院数学与系统科学研究院，北京100190 2. 成都信息工程学院管理学院,成都,610225 3. 四川大学商学院，成都610064; 四川大学软科学研究所，成都610064 4. 中国科学院数学与系统科学研究院,北京,100190 |
| 基金项目： | 国家自然科学基金资助项目(71471124；71101100；71273036)；四川省社科规划资助项目(SC14C019)；四川省教育厅创新团队资助项目(13TD0040)；四川大学优秀青年基金资助项目(2013SCU04A08)；四川大学学科前沿与交叉创新资助项目( skqy201352)． |
| 摘 要： | 现实的银行客户信用评估数据常包含大量的缺失值,这在很大程度上影响了信用评估模型的性能.针对已有模型的不足,提出了面向缺失数据的动态分类器集成选择模型DCESM.该模型充分利用数据集中所包含的已知信息,在训练信用评估模型之前不需要事先对缺失数据进行预处理,从而减少了对数据缺失机制假设以及数据分布模型的依赖.从UCI数据库中选择两个银行信用卡业务信用评估数据集进行实证分析,结果表明,与4种常用的基于插补法的多分类器集成模型以及1种直接面向缺失数据建模的集成模型相比,DCESM模型能够取得更好的客户信用评估性能. |
| 关 键 词： | 信用评估 缺失数据 动态分类器集成选择 |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |