為了提高對供應(yīng)鏈融資中小企業(yè)信用風(fēng)險(xiǎn)預(yù)測的精度,在通過對中小企業(yè)信用風(fēng)險(xiǎn)評價(jià)研究基礎(chǔ)上集成機(jī)器學(xué)習(xí)算法構(gòu)建了能夠提高信用風(fēng)險(xiǎn)預(yù)測的組合模型。該模型采用支持向量機(jī)（Support vector machine,SVM）建立供應(yīng)鏈中小企業(yè)信用風(fēng)險(xiǎn)分類預(yù)測模型,并引入信息增益（Information gain,IG）提取對預(yù)測結(jié)果有顯著貢獻(xiàn)的特征變量,優(yōu)化模型特征輸入。在與其他模型的對比實(shí)驗(yàn)中可知,采用IG-SVM模型預(yù)測的測試樣本精確度為97.62%,比單一SVM模型精度提高8.97%。采用IG進(jìn)行特征優(yōu)化,能進(jìn)一步提高SVM模型的預(yù)測能力。 

【文章來源】：南京理工大學(xué)學(xué)報(bào). 2020,44(01)北大核心CSCD

【文章頁數(shù)】：10 頁

【部分圖文】：

IG-SVM分類預(yù)測模型流程示意

【參考文獻(xiàn)】：
期刊論文
[1]供應(yīng)鏈金融的信用風(fēng)險(xiǎn)識(shí)別及預(yù)警模型研究[J]. 李健,張金林.  經(jīng)濟(jì)管理. 2019(08)
[2]基于支持向量機(jī)的云計(jì)算資源負(fù)載預(yù)測模型[J]. 趙莉.  南京理工大學(xué)學(xué)報(bào). 2018(06)
[3]淺析供應(yīng)鏈金融中信用風(fēng)險(xiǎn)的評價(jià)體系構(gòu)建[J]. 肖瑾.  經(jīng)貿(mào)實(shí)踐. 2018(19)
[4]供給側(cè)結(jié)構(gòu)性改革期間系統(tǒng)性金融風(fēng)險(xiǎn)的SVM預(yù)警研究[J]. 淳偉德,肖楊.  預(yù)測. 2018(05)
[5]基于IG-LASSO模型的城市空氣質(zhì)量指數(shù)混合預(yù)測研究[J]. 劉炳春,鄭紅梅,張斌.  環(huán)境科學(xué)與技術(shù). 2017(11)
[6]供應(yīng)鏈金融下中小企業(yè)信用風(fēng)險(xiǎn)評價(jià)——基于SEM和灰色關(guān)聯(lián)度模型[J]. 劉艷春,崔永生.  技術(shù)經(jīng)濟(jì)與管理研究. 2016(12)
[7]供應(yīng)鏈融資視角下的商業(yè)銀行信用風(fēng)險(xiǎn)傳導(dǎo)機(jī)制研究[J]. 楊洋.  西部金融. 2016(12)
[8]基于不均衡數(shù)據(jù)的小企業(yè)信用風(fēng)險(xiǎn)評價(jià)[J]. 程硯秋.  運(yùn)籌與管理. 2016(06)
[9]基于網(wǎng)絡(luò)結(jié)構(gòu)Logistic模型的企業(yè)信用風(fēng)險(xiǎn)預(yù)警[J]. 方匡南,范新妍,馬雙鴿.  統(tǒng)計(jì)研究. 2016(04)
[10]我國商業(yè)銀行信用風(fēng)險(xiǎn)識(shí)別的多模型比較研究[J]. 劉祥東,王未卿.  經(jīng)濟(jì)經(jīng)緯. 2015(06)



本文編號(hào)：3479077