| 基于稀疏贝叶斯学习的个人信用评估 |
| |
| 作者姓名： | 李太勇 王会军吴江张智林 唐常杰 |
| |
| 作者单位： | 1. 西南财经大学2. 西南财经大学 中国支付体系研究中心,成都 610074;3. 西南财经大学 经济信息工程学院,成都 6100744. Emerging Technology Lab, Samsung Research and Development Institute America-Dallas, Richardson TX 75082, USA;5. 四川大学 计算机学院,成都 610064 |
| |
| 基金项目： | 教育部人文社会科学研究青年基金资助项目;中央高校基本科研业务专项资金资助项目;西南财经大学科研基金资助项目 |
| |
| 摘 要： | 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。
|
| 关 键 词： | 稀疏贝叶斯学习 分类 信用评估 金融风险 特征选择 |
| 收稿时间： | 2013-05-17 |
| 修稿时间： | 2013-07-16 |
|
| 点击此处可从《计算机应用》浏览原始摘要信息 |
|
点击此处可从《计算机应用》下载全文 |
|
