基于粗集和SVM的房貸信用評(píng)估的應(yīng)用研究.pdf

1、本文對(duì)基于粗集和SVM的房貸信用評(píng)估的應(yīng)用進(jìn)行了研究。文章首先介紹了個(gè)人住房貸款的現(xiàn)狀和現(xiàn)存的個(gè)人信用評(píng)估方法，提出了一種改進(jìn)的個(gè)人信用評(píng)估方法。然后介紹了數(shù)據(jù)挖掘中常用的分類方法，通過(guò)比較各種分類方法的優(yōu)缺點(diǎn)，給出了本文選用支持向量機(jī)的原因。其次，深入研究了支持向量機(jī)的理論和算法。對(duì)三種訓(xùn)練算法優(yōu)缺點(diǎn)進(jìn)行了比較，最后選擇了Platt提出的序列最小最優(yōu)化算法。對(duì)粗糙集的理論和屬性約簡(jiǎn)算法進(jìn)行了研究和比較，最后選擇使用了基于屬性重要性的約

2、簡(jiǎn)算法。接著，從綜合信息平臺(tái)采集分類挖掘所需數(shù)據(jù)，并進(jìn)行了抽取和預(yù)處理。對(duì)支持向量機(jī)在信用評(píng)估應(yīng)用中的問(wèn)題進(jìn)行了研究和解決，如核函數(shù)選取，參數(shù)選取，樣本非均衡問(wèn)題等。實(shí)驗(yàn)得出本實(shí)際應(yīng)用中徑向基模型較好，采用Grid-search方法調(diào)整參數(shù)，達(dá)到了更好的推廣能力和預(yù)測(cè)結(jié)果，用分別懲罰支持向量機(jī)能有效解決樣本非均衡問(wèn)題。再次，設(shè)計(jì)和實(shí)現(xiàn)了基于粗集和支持向量機(jī)的個(gè)人住房貸款信用風(fēng)險(xiǎn)評(píng)估原型系統(tǒng)，把該系統(tǒng)應(yīng)用于建行大連分行個(gè)人住房貸款信用風(fēng)險(xiǎn)