【摘要】：隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展,越來(lái)越多的人選擇以投資的方式獲取利益。在很多情況下,投資資金的匱乏使信貸人選擇銀行貸款,貸款人的信用評(píng)估也成為商業(yè)銀行信貸的重要組成部分。尋找合理高效的信用評(píng)估模型,對(duì)推動(dòng)我國(guó)信用制度的建設(shè)和社會(huì)主義市場(chǎng)經(jīng)濟(jì)的發(fā)展有著重要的現(xiàn)實(shí)意義。本文基于信用風(fēng)險(xiǎn)評(píng)估數(shù)據(jù)討論了支持向量機(jī)(SVM)和SVM-KNN組合模型的分類效果,并對(duì)組合模型采用網(wǎng)格搜索算法和粒子群(PSO)算法進(jìn)行參數(shù)優(yōu)化,參數(shù)優(yōu)化后的組合模型在實(shí)證分析中有很好的預(yù)測(cè)分類效果。本文主要研究?jī)?nèi)容包括:(1)介紹了數(shù)據(jù)的來(lái)源,并對(duì)數(shù)據(jù)進(jìn)行了描述性分析,由于數(shù)據(jù)屬性的量綱不同,為提高模型的準(zhǔn)確度對(duì)數(shù)值型數(shù)據(jù)進(jìn)行歸一化處理,字符型數(shù)據(jù)進(jìn)行賦值后歸一化處理。(2)應(yīng)用SVM算法訓(xùn)練分類器并進(jìn)行數(shù)據(jù)分類,在不同的訓(xùn)練樣本量和不同的核函數(shù)下進(jìn)行實(shí)證分析對(duì)比,分析不同訓(xùn)練樣本量和不同核函數(shù)對(duì)模型分類準(zhǔn)確率的影響。(3)對(duì)數(shù)據(jù)進(jìn)行最近鄰(KNN)分類,KNN分類器在測(cè)試集上得到良好的分類效果。由于SVM分類器對(duì)分類超平面比較近的樣本點(diǎn)容易分類錯(cuò)誤,所以將距離分類超平面比較近的點(diǎn)進(jìn)行KNN分類,即應(yīng)用SVM-KNN的組合模型對(duì)測(cè)試樣本分類,進(jìn)行實(shí)證分析對(duì)比,組合模型的分類準(zhǔn)確率較之前有所提高。(4)由于SVM-KNN分類算法中正則化參數(shù)和核函數(shù)參數(shù)對(duì)數(shù)據(jù)的分類準(zhǔn)確率有很大影響,為此,本文提出改進(jìn)的SVM-KNN模型,該模型應(yīng)用網(wǎng)格搜索算法和粒子群算法對(duì)組合模型參數(shù)進(jìn)行優(yōu)化,分別得到兩組最優(yōu)參數(shù),通過實(shí)證分析對(duì)比,改進(jìn)后的SVM-KNN模型能夠有效提高數(shù)據(jù)集的分類準(zhǔn)確率。
【學(xué)位授予單位】：云南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP18;F831.2
【圖文】：

圖２－１現(xiàn)有支票賬戶狀態(tài)與信用狀況關(guān)系柱狀圖逡逑

票賬戶狀態(tài)為Ａｌｌ邋（小于０）時(shí)，優(yōu)質(zhì)客戶和劣質(zhì)客戶的占比基本為１：１，幾乎無(wú)逡逑差別。但當(dāng)支票賬戶中的錢變多時(shí)，優(yōu)質(zhì)客戶和劣質(zhì)客戶比例明顯不同，比如當(dāng)逡逑支票賬戶狀態(tài)為Ａ１３邋（大于２００）時(shí)優(yōu)質(zhì)客戶和劣質(zhì)客戶占比大于３：１，即支票賬逡逑戶中的錢越多時(shí)，被判別為劣質(zhì)客戶的概率越小，當(dāng)沒有支票賬戶時(shí)，優(yōu)質(zhì)客戶逡逑和劣質(zhì)客戶比例將近９：１。所以現(xiàn)有支票賬戶對(duì)信用狀況有著顯著的影響，可作為逡逑信用評(píng)估體系的指標(biāo)。逡逑表２－４信用記錄與信用狀況關(guān)系表逡逑信用記錄屬性逡逑Ａ３０邐Ａ３１邐Ａ３２邐Ａ３３邐Ａ３４逡逑值逡逑優(yōu)質(zhì)客戶占比邐０．３７５邐０．４２９邐０．６８１邐０．６８２邐０．８２９逡逑劣質(zhì)客戶占比邐０．６２５邐０．５７１邐０．３１９邐０．３１８邐０．１７１逡逑總計(jì)邐１１１１１逡逑

邐第二章數(shù)據(jù)說(shuō)明及預(yù)處理邐逡逑表２－５儲(chǔ)蓄賬戶（債券）與信用狀況關(guān)系表逡逑儲(chǔ)蓄＝N債券）￣＾邐＾邐＾逡逑屬性值逡逑優(yōu)質(zhì)客戶占比邐０．６４０邐０．６７０邐０．８２５邐０．８７５邐０．８２５逡逑劣質(zhì)客戶占比邐０．３６０邐０．３３０邐０．１７５邐０．１２５邐０．１７５逡逑總計(jì)邐１１１１１逡逑

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 白俊杰;龔毅光;王寧生;唐敦兵;;面向訂單制造的可重構(gòu)制造系統(tǒng)中虛擬制造單元構(gòu)建技術(shù)[J];計(jì)算機(jī)集成制造系統(tǒng);2009年02期

2 肖文兵;費(fèi)奇;萬(wàn)虎;;基于支持向量機(jī)的信用評(píng)估模型及風(fēng)險(xiǎn)評(píng)價(jià)[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年05期

3 李淑霞;單鴻波;;基于敏捷制造單元的車間動(dòng)態(tài)重構(gòu)[J];計(jì)算機(jī)集成制造系統(tǒng);2007年03期

4 王朝勇;;基于LS-SVM的個(gè)人信用評(píng)估[J];吉林工程技術(shù)師范學(xué)院學(xué)報(bào);2005年12期

5 徐長(zhǎng)榮;巴塞爾新資本協(xié)議與我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)管理對(duì)策研究[J];商業(yè)研究;2005年03期

6 楊維,李歧強(qiáng);粒子群優(yōu)化算法綜述[J];中國(guó)工程科學(xué);2004年05期

7 李蓉 ,葉世偉 ,史忠植;SVM-KNN分類器——一種提高SVM分類精度的新方法[J];電子學(xué)報(bào);2002年05期

相關(guān)碩士學(xué)位論文 前2條

1 王健峰;基于改進(jìn)網(wǎng)格搜索法SVM參數(shù)優(yōu)化的說(shuō)話人識(shí)別研究[D];哈爾濱工程大學(xué);2012年

2 丁剛;基于支持向量機(jī)的移動(dòng)機(jī)器人環(huán)境感知和物體識(shí)別研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2009年

本文編號(hào)：2805739