基于基因表达式编程的信用评估模型挖掘方法

• 作者: 吴江 唐常杰 李太勇 段磊
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 数据挖掘 基因表达式编程 信用评估
• 年，卷（期）: 2007,（4）
• 所属期刊栏目: 数据库与数据挖掘
• 页码范围: 877-880
• 页数: 4页
• 分类号: TP311.13
• 字数: 5129字
• 语种: 中文

摘要

提出了一种基于基因表达式编程(GEP)的信用评估模型挖掘方法GEP-CREDIT.该方法基于客户信贷数据,利用GEP算法自动进行属性筛选,并进行属性融合,在此基础上训练和建立信用评估模型.在德国信用数据库真实数据集上做的实验和性能分析表明,基于GEP的信用评估模型挖掘方法较Na(i)ve Bayes算法的预测精度提高了3%;较SVM算法的预测精度提高了1.6%;较KNN(K=17)算法的预测精度提高了6.83%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐常杰	四川大学计算机学院	164	2750	30.0	45.0
2	吴江	西南财经大学经济信息工程学院	69	435	13.0	17.0
6	李太勇	西南财经大学经济信息工程学院	25	364	12.0	18.0
10	段磊	四川大学计算机学院	49	685	13.0	24.0