论文摘要
针对信用评估数据的高维、非线性和冗余特点,传统降维和评估方法分类错判率高的难题,提出一种基于主成分分析的贝叶斯分类器在个人信用评估中的方法。首先采用主成分分析方法提取信用评估特征,进行降维处理,消除不必要的冗余信息,简化贝叶斯网络的输入,然后分别在朴素贝叶斯和树增强朴素贝叶斯两种分类器上建立评估模型,最后对评估模型进行验证性实验,并与其他模型进行比较分析。结果表明,应用主成分分析的贝叶斯网络建立的个人信用评估模型简洁,易于推理,提高了个人信用评估的精度。
论文目录
文章来源
类型: 期刊论文
作者: 范彦勤,覃杨森,袁媛
关键词: 信用评估,主成分分析,贝叶斯网络,分类误判率
来源: 桂林航天工业学院学报 2019年04期
年度: 2019
分类: 工程科技Ⅱ辑,基础科学,信息科技,经济与管理科学
专业: 数学,自动化技术,金融
单位: 桂林航天工业学院理学院,桂林航天工业学院计算机科学与工程学院
分类号: O212.4;TP181;F831.2
页码: 568-575
总页数: 8
文件大小: 411K
下载量: 204