為提高分類算法在信貸風(fēng)險(xiǎn)領(lǐng)域不平衡數(shù)據(jù)的預(yù)測(cè)性能,提出一種基于高斯混合模型(Gaussian mixture model,GMM)的欠采樣算法,將其應(yīng)用在信貸不平衡數(shù)據(jù)領(lǐng)域中。采用高斯混合模型對(duì)多數(shù)類樣本進(jìn)行聚類欠采樣(under-sampling),消除樣本間的不平衡問(wèn)題。實(shí)驗(yàn)比較該算法與傳統(tǒng)的欠采樣方法,進(jìn)行該算法的抗噪魯棒性分析,實(shí)驗(yàn)結(jié)果表明,該算法能夠有效提升分類器的性能,其對(duì)信貸數(shù)據(jù)集具有較強(qiáng)的魯棒性。

【文章頁(yè)數(shù)】：6 頁(yè)

【文章目錄】：
0 引言
1 相關(guān)理論研究
    1.1 不平衡分類問(wèn)題
    1.2 高斯混合模型
    1.3 輪廓系數(shù)
2 基于高斯混合聚類的欠采樣算法
3 實(shí)驗(yàn)分析與驗(yàn)證
    3.1 數(shù)據(jù)集介紹
    3.2 模型性能評(píng)估度量
    3.3 GMMUSA算法的性能驗(yàn)證
        3.3.1 不同的欠采樣算法的性能對(duì)比分析
        3.3.2 算法對(duì)噪聲數(shù)據(jù)的魯棒性分析
4 結(jié)束語(yǔ)



本文編號(hào)：3884125