银行客户信用评估动态分类器集成选择模型

被引：30

作者：

肖进 ^{[1
,2
]}

刘敦虎 ^{[3
]}

顾新 ^{[1
,4
]}

汪寿阳 ^{[2
]}

机构：

[1] 四川大学商学院

[2] 中国科学院数学与系统科学研究院

[3] 成都信息工程学院管理学院

[4] 四川大学软科学研究所

来源：

管理科学学报 | 2015年 / 03期

关键词：

信用评估; 缺失数据; 动态分类器集成选择;

D O I：

暂无

中图分类号：

F830.2 [金融、银行体制]; F224 [经济数学方法];

学科分类号：

020201 ; 0701 ; 070104 ;

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.

引用

页码：114 / 126

页数：13

共 24 条

[1] 分类中的类重叠问题及其处理方法研究 [J].