基于SVM混合集成的信用风险评估模型

• 作者: 俞立 潘彦 石松 陈云
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 信用风险评估 支持向量机(SVM) 集成学习 AdaBoost 随机子集模型
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 115-120
• 页数: 6页
• 分类号: TP18
• 字数: 6309字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1403-0473

摘要

准确的信用风险评估可以降低金融机构的风险.为了进一步提高信用风险评估模型的预测准确率,将基于SVM的集成学习模型应用到信用风险评估问题中,提出了一种混合集成策略,称作RSA.RSA是随机子集模型和AdaBoost两种流行策略的合成,能提高组合成员分类器的多样性,从而提高集成学习模型的预测准确率.模型在两组公开信用数据集上进行了应用,实验结果表明基于RSA的SVM的集成学习模型可以作为信用风险评估的有效模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈云	上海财经大学公共经济与管理学院	44	300	10.0	15.0
5	石松	上海财经大学公共经济与管理学院	6	77	4.0	6.0
7	潘彦	上海财经大学公共经济与管理学院	4	139	3.0	4.0
13	俞立		1	29	1.0	1.0