科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了降低单一分类模型的不稳定性,提高个人信用评估的准确性,提出一种基于多分类器的组合分类的个人信用评估模型。首先进行特征划分,将数据样本的特征集合分为多个特征子集,然后再在各个特征子集上分别建立不同的分类模型。在分类模型结果组合阶段,对各个特征子集的分类模型的结果进行组合从而形成最终分类结果。实证研究以决策树,朴素贝叶斯以及支持向量机作为基分类器,通过德国银行数据集上的比较,说明提出的方法相对于单一分类方法具有更高的分类准确性,可以应用于个人信用评估。
-
单位烽火通信科技股份有限公司; 扬州大学
