在現(xiàn)實(shí)的很多信用評(píng)估問題中,由于對(duì)樣本進(jìn)行類別標(biāo)記需要花費(fèi)大量的人力、財(cái)力和物力,往往只能獲取少量有類別標(biāo)簽的樣本來訓(xùn)練分類模型,而把數(shù)據(jù)庫中大量無類別標(biāo)簽的客戶樣本舍棄。為解決這一問題,本研究引入半監(jiān)督學(xué)習(xí)技術(shù),并將其與多分類器集成技術(shù)中的隨機(jī)子空間方法(Random Subspace,RSS)相結(jié)合,構(gòu)建了類別不平衡環(huán)境下基于RSS的半監(jiān)督協(xié)同訓(xùn)練模型RSSCI。該模型主要包括三個(gè)階段:1)使用RSS方法訓(xùn)練得到若干基本分類器;2)從大量無類別標(biāo)簽數(shù)據(jù)集中選擇性標(biāo)記一部分最合適的樣本加入到原始訓(xùn)練集中;3)在最終的訓(xùn)練集上訓(xùn)練分類模型,并對(duì)測試集樣本進(jìn)行分類。在三個(gè)客戶信用評(píng)估數(shù)據(jù)集上進(jìn)行實(shí)證分析,結(jié)果表明,RSSCI模型的信用評(píng)估性能不僅優(yōu)于常用的監(jiān)督式集成信用評(píng)估模型,也優(yōu)于已有的一些半監(jiān)督協(xié)同訓(xùn)練信用評(píng)估模型。 

【文章來源】：中國管理科學(xué). 2016年06期 北大核心CSSCI

【文章頁數(shù)】：8 頁

【文章目錄】：
1 引言
2 類別不平衡環(huán)境下的半監(jiān)督協(xié)同訓(xùn)練模型
    2.1 模型構(gòu)建的基本思路
    2.2 類別分布不平衡數(shù)據(jù)的處理
    2.3 無類別標(biāo)簽樣本的選擇性標(biāo)記
    2.4 詳細(xì)建模步驟
3 實(shí)證分析
    3.1 數(shù)據(jù)集介紹
    3.2 實(shí)驗(yàn)設(shè)置
    3.3 模型評(píng)價(jià)準(zhǔn)則
    3.4 重抽樣和選擇性標(biāo)記對(duì)RSSCI模型性能的影響分析
    3.5 與其它模型的性能比較
4 結(jié)語


【參考文獻(xiàn)】：
期刊論文
[1]基于隨機(jī)特征子空間的半監(jiān)督情感分類方法研究[J]. 蘇艷,居勝峰,王中卿,李壽山,周國棟.  中文信息學(xué)報(bào). 2012(04)
[2]模糊近似支持向量機(jī)模型及其在信用風(fēng)險(xiǎn)評(píng)估中的應(yīng)用[J]. 姚瀟,余樂安.  系統(tǒng)工程理論與實(shí)踐. 2012(03)
[3]信用評(píng)估中的魯棒賦權(quán)自適應(yīng)L_p最小二乘支持向量機(jī)方法[J]. 劉京禮,李建平,徐偉宣,石勇.  中國管理科學(xué). 2010(05)
[4]基于隨機(jī)子空間的半監(jiān)督協(xié)同訓(xùn)練算法[J]. 王嬌,羅四維,曾憲華.  電子學(xué)報(bào). 2008(S1)
[5]基于支持向量機(jī)集成的電子商務(wù)環(huán)境下客戶信用評(píng)估模型研究[J]. 吳沖,夏晗.  中國管理科學(xué). 2008(S1)
[6]擴(kuò)展的樹增強(qiáng)樸素貝葉斯網(wǎng)絡(luò)信用評(píng)估模型[J]. 李旭升,郭春香,郭耀煌.  系統(tǒng)工程理論與實(shí)踐. 2008(06)
[7]商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估預(yù)測模型研究[J]. 于立勇.  管理科學(xué)學(xué)報(bào). 2003(05)
[8]基于遺傳規(guī)劃方法的商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估模型[J]. 王春峰,康莉.  系統(tǒng)工程理論與實(shí)踐. 2001(02)
[9]基于神經(jīng)網(wǎng)絡(luò)技術(shù)的商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估[J]. 王春峰,萬海暉,張維.  系統(tǒng)工程理論與實(shí)踐. 1999(09)



本文編號(hào)：2939825