基于Stacking集成学习算法的个人信用评估模型

• 作者: 彭润泽
• 来源期刊: 统计学与应用
• 学科: 工学
• 关键词: 集成学习 STACKING 信用评估
• 年，卷（期）: 2017,（4）
• 页码范围: 411-417
• 页数: 7页
• 分类号: TP39

摘要

传统机器学习算法的预测精度往往依赖于具体的问题,集成学习通过综合若干基分类器的预测结果,实现了分类效果的显著提升。对集成学习的思想进行了简单地介绍,阐述了Stacking集成相对于传统经典集成算法的优势。并基于Stacking集成框架,利用UCI的信用评估数据集,构建两层分类器学习模型对个人信用进行评估。实证分析的结果表明,相对于单一的机器学习方法,以及对这些单一机器学习方法的结果进行简单的平均集成,两层分类器的Stacking集成学习有着更好的预测效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭润泽	北京航空航天大学数学与系统科学学院	1	0	0.0	0.0