基于空间填充准则的交叉验证方法及其应用

在统计学与机器学习中,交叉验证被广泛应用于评估模型的好坏.但交叉验证法的表现一般不稳定,因此评估时通常需要进行多次交叉验证并通过求均值以提高交叉验证算法的稳定性.文章提出了一种基于空间填充准则改进的k折交叉验证方法,它的思想是每一次划分的训练集和测试集均具有较好的均匀性.模拟结果表明,文章所提方法在五种分类模型(k近邻,决策树,随机森林,支持向量机和Adaboost)上对预测精度的估计均比普通k折交叉验证的高.将所提方法应用于骨质疏松实际数据分析中,根据对预测精度的估计选择了最优的模型进行骨质疏松患者的分类预测.     

基于信息增益和Bagging集成学习算法的个人信用评估模型研究

机器算法中存在许多不同类型和方式的运行模式,而在诸多算法之中,集成学习的算法是一种基于统计理论以计算机实现的良好机器学习方法.阐述了集成学习的基本思想和实现步骤,运用Bagging集成学习算法试图建立一个个人信用评估模型,以期取得更好的预测结果.运用信息增益法筛选指标,采用V折交叉确认法,利用UCI的信用数据对单个分类器、Bagging集成分类器模型的分类精度和稳健性进行试验比较.结果表明,Bagging-决策树有效的提高了样本的精确性,在个人信用评估的分析中占有较强的优势.     

个人信用评分的Adaptive Lasso-Logistic回归分析

以个人信用风险为研究对象,分析影响个人信用评分的因素.利用某商业银行个人信用数据,并采用.Adaptive Lasso-Logistic回归模型对影响顾客的个人信用风险的因素进行分析,并与传统Logistic回归模型以及Lasso-Logistic回归模型进行比较.以对顾客"好"与"坏"的二分类结果的正确比例为主要衡量标准,实证发现以.Adaptive Lassi-Logistic回归方法建立的个人信用评分模型,在变量选择和解释上,以及预测的准确性上,均优于传统的Logistic和Lasso-Logistic方法.     

基于支持向量机委员会机器的个人信用评估模型

为了充分利用SVM在个人信用评估方面的优点、克服其不足,提出了基于支持向量机委员会机器的个人信用评估模型.将模型与基于属性效用函数估计构造新学习样本方法结合起来进行个人信用评估;经实证分析及与SVM方法对比发现,模型具有更好、更快、更多适应性的预测分类能力.     

国际原油价格预测的双层随机整数规划模型、算法及应用

根据国际原油价格近期数据及原油价格变化量,给出了国际原油价格改变量的状态转移概率(或频率)矩阵.依此提出以国际原油价格预测误差的期望与方差最小为最优目标,建立国际原油价格预测的双层随机整数规划,并论述该优化问题最优解的存在性, 根据约束特性构造了优化算法.同时按照国内现行成品油定价机制, 提出的优化算法,对国内成品油调价进行了预测,实证分析表明提出的模型与优化算法具有一定的预测精度和较好的实用性.     

基于最小二乘加权支持向量机的个人信用预测模型研究

针对不同类别样本数差异和不同误分代价的分类问题，提出了一种基于最小二乘加权支持向量机的分类预测方法。在最小二乘加权支持向量机的基础上，考虑不同类别样本数差异和不同误分代价，提出了新的最小二乘加权支持向量机分类模型，构造了新的最优分类函数。将该模型应用于个人信用预测实验，与已有方法的对比实验结果表明，提出的模型在解决不同类别样本数差异和不同误分代价的个人信用预测问题时，有效地降低了总误分代价，提高了个人信用预测精确度。     

基于Group Lasso的个人信用评价分析

个人信用评价问题研究中,需要建立较多的虚拟变量作为解释变量.Group Lasso可以将相关的虚拟变量作为组进行整体剔除或保留在模型中.结合具体的个人信贷数据,应用Group Lasso方法进行变量选择建立Logistic模型,并与全模型、向前选择和向后选择建立的Logistic模型进行比较,发现Group Lasso方法建立的模型,在变量解释和预测正确率上,都是最优的.     

最优组合预测模型的构建及其应用研究

由于证券价格是随机游走的,在证券定价研究中RBF神经网络模型、灰色GM（1,1）模型、ARIMA模型不具备时效性,通过对上述三个模型进行综合分析,结合三者中有用的信息集合,构建一个最优组合预测模型．在此基础上选取了深发展A在2007年全年的收盘价作为研究样本对这四个模型进行实证研究,研究结果发现,最优组合预测方法对证券价格进行预测具有很好的预测精度和很高的可靠性．     

非平衡数据集的支持向量域分类预测模型研究

基于非平衡数据集的支持向量域分类模型,提出了一种银行客户个人信用预测方法.首先分析了信用预测的主要方法及其不足,然后研究了支持向量域分类模型及其参数的非负二次规划乘性更新算法,进而提出基于支持向量域分类模型的银行客户个人信用预测方法,最后使用人工数据和实际数据对提出方法与支持向量机预测方法进行对比实验.实验结果表明对于银行客户个人信用预测的非平衡数据分析问题,基于支持向量域模型的分类预测方法更有效.     

基于特征选择和梯度提升算法的高光谱遥感地物识别

高光谱遥感数据波段数目较多,且波段之间的相关性高,影响到敏感波段在地物识别中的作用,并造成大量冗余计算,降低时效.提出了一种随机森林结合递归特征消除的敏感特征选择方案,以提高高光谱遥感地物识别的精度与效率.通过RF-RFE特征选择方法得到最优特征组合,并运用LightGBM和XGBoost等提升算法来提高分类精度.在江苏省常州的茶树数据集上进行分类实验时,在原始数据上的分类精度达到了94.27%和94.45%;在特征选择出的最优特征子集上进行实验时,分类精度达到了94.40%和94.36%.实验结果表明,该方案的分类精度要优于决策树和朴素贝叶斯等传统分类算法,同时大幅减少了运算量,取得了较好的识别效果,具有一定的推广和应用价值.     

Pattern recognition for evaluator errors in a credit scoring model for technology-based SMEs

A credit scoring model for technology-based small and medium enterprises presupposes evaluator objectivity and evaluation consistency; however, there is always some amount of error in any technology evaluation. This can be due in part to the subjective evaluation attributes that comprise part of the credit scoring model. The evaluated values of subjective attributes can vary among evaluators. In this study, we identified the significant characteristics of both evaluator and evaluation teams in terms of evaluation error using a decision tree analysis. Our results can improve the accuracy of a wide range of evaluation procedures for technology financing.     

Artificial immune algorithm-based credit evaluation for mobile telephone customers

The arrearage problem is a critical concern for China’s mobile communication services industry. Analysis of customer credit evaluation provides this study with a potential viable solution to the arrearage problem in China. By employing an artificial immune algorithm (AIA), a measure of customer credit based on customer attributes is proposed. This method was applied to one China mobile communication services company with approximately 400?000 customers yielding satisfying results. Utilizing traditional predictive accuracy and alternative metrics, performance comparisons of the proposed AIA were made using the feed-forward back propagation artificial neural network and the logistic regression model. A decision tree analysis of anticipated benefits was performed and indicates workability of the proposed method based on customer credit evaluation.     

基于随机森林融合朴素贝叶斯的信用评估模型

利用随机森林特征选择算法,对信用评估的可用指标集进行特征选择,在此基础上建立基于随机森林融合朴素贝叶斯的信用评估模型.选取UCI数据库中的German数据集进行实证研究,结果表明,通过随机森林进行特征选择的随机森林融合朴素贝叶斯模型具有更高的预测准确度.     

基于BP算法的信用风险评价模型研究

本文利用神经网络技术建立基于 BP算法的信用风险评价模型 ,为我国某商业银行 12 0家贷款企业进行信用风险评价 ,按照企业的信用等级分为“信用好”、“信用中等”和“信用差”三个小组 .仿真结果表明 ,本文所建立的神经网络信用风险评价模型的分类准确率高于传统的参数统计分类方法——线性判别分析法的分类准确率 .文中还详细给出神经网络信用风险评价模型的网络构建方法及基于 BP网络的学习算法和步骤 .     

基于BP神经网络误差函数优化算法的武器装备承制商信用评价模型研究

信用评价是选择武器装备承制商的重要手段.以国标为基础,结合承制商具体情况确定了信用评价指标体系.分析了传统信用评价方法的不足,对经典BP神经网络的误差函数进行优化,优化后的网络模型收敛速度更快,预测精度更高.构建BP神经网络武器装备承制商信用评价模型,仿真实验表明武器装备承制商信用评价可以选用BP神经网络模型.     

商业银行个人信用风险评价的投影寻踪建模及其实证研究

根据已有的商业银行个人信用风险评价指标体系和数据,应用投影寻踪分类（PPC）技术进行建模,通过改变指标归一化方式前后权重是否互为相反数等性质,以确保PPC建模时求得真正的全局最优解．实证研究表明：对于商业银行个人信用分类问题,PPC模型的识别正确率高于判别分析模型;在评价指标的四个方面中,借贷人与本行关系最重要,其次是其基本情况,而偿债能力和稳定性的影响很小;而且,删除偿债能力和稳定性两个均值差异不存在显著性的指标后建立的PPC模型,不仅不会降低识别正确率,还有利于银行降低采集数据的成本和节约时间,简化流程,对提高PPC模型的实用性等具有重要理论意义和实践价值．     

An intelligent-agent-based fuzzy group decision making model for financial multicriteria decision support: The case of credit scoring

Credit risk analysis is an active research area in financial risk management and credit scoring is one of the key analytical techniques in credit risk evaluation. In this study, a novel intelligent-agent-based fuzzy group decision making (GDM) model is proposed as an effective multicriteria decision analysis (MCDA) tool for credit risk evaluation. In this proposed model, some artificial intelligent techniques, which are used as intelligent agents, are first used to analyze and evaluate the risk levels of credit applicants over a set of pre-defined criteria. Then these evaluation results, generated by different intelligent agents, are fuzzified into some fuzzy opinions on credit risk level of applicants. Finally, these fuzzification opinions are aggregated into a group consensus and meantime the fuzzy aggregated consensus is defuzzified into a crisp aggregated value to support final decision for decision-makers of credit-granting institutions. For illustration and verification purposes, a simple numerical example and three real-world credit application approval datasets are presented.     

小微企业信用风险评估的IDGSO-BP集成模型构建研究

针对传统BP神经网络在小微企业信用风险评估实际应用中,随机初始权值和阈值导致网络学习速度慢、易陷入局部解以及运算结果误差较大等缺陷,借助群智能萤火虫(GSO)算法,提出一种基于改进离散型萤火虫(IDGSO)算法的BP神经网络集成学习算法的小微企业信用风险评估IDGSO-BP模型。该模型以BP神经网络为基本框架,在学习过程中引入离散型萤火虫算法,优化设计神经网络的网络结构与连接权值,得到一组相对合适的权值与阈值,再进行新一轮网络训练,以“均平方误差最小”为评价准则,产生网络的输出结果,以此建立小微企业信用风险评估模型。其仿真实验结果表明,该模型在收敛速度及运算精度方面较传统BP神经网络模型、遗传GA-BP模型及连续GSO-BP模型有较明显优势。因此,IDGSO-BP模型可以有效提高小微企业信用风险评估的准确性。     

基于主分量分析和BP神经网络的个人信用评估模型

运用基于主分量分析和神经网络(PCA-NN)的个人信用评估模型以期取得更好的预测分类能力.经实证分析及与SVM方法、线性判别分析、Logistic回归分析、最近邻估计、分类回归树及神经网络等方法的对比,结果表明,该方法有很好的预测效果.     

信用支付下基于收益共享契约的网购供应链协调策略研究

信用支付在网购交易中成为了日益重要的支付方式,考虑网络零售商能否在规定的免息期内支付货款两种情形,针对实际延迟支付时间影响网络零售商订货量问题,建立当网络零售商面临不确定的市场需求时的网购供应链决策模型,运用逆向归纳法分析供应商、网络零售商对相关参数的决策并设计收益共享契约实现网购供应链的协调。结果表明:网络零售商的订购量不会随着网络零售商实际支付时间的无限延长而持续增加,只有在供应商规定的免息期内,信用支付策略才会对订购量具有激励作用;两种情形下只要收益共享系数满足一定条件都能够实现网购供应链的协调。最后利用数值算例对上述结论进行了验证。