基于SVM的非均衡數(shù)據(jù)分類規(guī)則提取技術(shù)及其在商業(yè)銀行破產(chǎn)預(yù)測(cè)中的應(yīng)用.pdf

1、目前，非均衡數(shù)據(jù)分類預(yù)測(cè)問題是數(shù)據(jù)挖掘和模式識(shí)別領(lǐng)域的重要研究課題，一般具有數(shù)據(jù)分布非均衡、數(shù)據(jù)數(shù)量非均衡、數(shù)據(jù)屬性特征非均衡等特點(diǎn)的數(shù)據(jù)都可以稱之為非均衡數(shù)據(jù)。處理非均衡數(shù)據(jù)分類預(yù)測(cè)問題的一般方法主要有數(shù)據(jù)層面方法、算法層面方法、修改評(píng)價(jià)標(biāo)準(zhǔn)等，數(shù)據(jù)層面方法主要有欠抽樣、過抽樣和混合抽樣等，算法層面方法主要有單類學(xué)習(xí)、代價(jià)敏感學(xué)習(xí)、提升集成算法、兩階段規(guī)則歸納、核方法、主動(dòng)學(xué)習(xí)、特征選擇等，修改評(píng)價(jià)指標(biāo)主要指對(duì)F-Measure、G-

2、Mean、AUC-ROC等原有指標(biāo)進(jìn)行加權(quán)和融合。
　　支持向量機(jī)(SVM)是另一種常用來解決此問題的方法，SVM模型通常被認(rèn)為是一種難以理解的黑盒模型，很難通過核函數(shù)和相應(yīng)參數(shù)來形象描述獲得的SVM模型，規(guī)則提取技術(shù)得到的規(guī)則集易于理解，可以用來解釋SVM模型。為了解決非均衡數(shù)據(jù)分類的可理解性問題，本論文提出了一種新的基于主動(dòng)學(xué)習(xí)過抽樣的規(guī)則提取算法——mPPALBA，通過Ripley數(shù)據(jù)集、9個(gè)benchmark數(shù)據(jù)集和美國商

3、業(yè)銀行1996年3月至2013年6月期間財(cái)務(wù)數(shù)據(jù)上的仿真實(shí)驗(yàn)，驗(yàn)證了mPPALBA算法的有效性和優(yōu)越性。在上述研究結(jié)果的基礎(chǔ)上，論文提出了商業(yè)銀行破產(chǎn)數(shù)據(jù)挖掘方法論，為以后的相關(guān)研究提供參考。
　　論文的主要?jiǎng)?chuàng)新成果如下，
　　1、針對(duì)非均衡數(shù)據(jù)分類方法預(yù)測(cè)正類精確度不高且SVM具有黑盒特性，提出一種新的主動(dòng)學(xué)習(xí)過抽樣規(guī)則提取算法——mPPALBA，算法結(jié)合了主動(dòng)學(xué)習(xí)方法和基于正類支持向量點(diǎn)的過抽樣方法。算法以正類支持向量點(diǎn)

4、為基礎(chǔ)，在其周圍一定距離內(nèi)隨機(jī)生成一些新的正類樣本點(diǎn)，然后使用邏輯模型樹(LMT)算法對(duì)重新標(biāo)識(shí)的訓(xùn)練集和新生成的正類樣本點(diǎn)規(guī)則提取，得到易于理解的規(guī)則集?；贔值、G值和AUC值3種不同的評(píng)價(jià)指標(biāo)，mPPALBA算法在Ripley數(shù)據(jù)集和9個(gè)benchmark數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)驗(yàn)證，并與基于學(xué)習(xí)的規(guī)則提取算法、基于主動(dòng)學(xué)習(xí)的算法、SMOTE算法、BSMOTE算法等進(jìn)行了詳細(xì)的比較和分析，實(shí)驗(yàn)結(jié)果表明mPPALBA算法在非均衡數(shù)據(jù)分類中

5、對(duì)正類樣本具有較高的預(yù)測(cè)準(zhǔn)確率，同時(shí)能確保負(fù)類樣本的準(zhǔn)確率。
　　2、針對(duì)商業(yè)銀行破產(chǎn)分類預(yù)測(cè)問題的特點(diǎn)，結(jié)合CAMELS評(píng)級(jí)體系和銀行業(yè)專家經(jīng)驗(yàn)，論文對(duì)來自美國芝加哥聯(lián)邦儲(chǔ)備銀行(Federal Reserve Bank ofChicago)網(wǎng)站的美國商業(yè)銀行1996年3月至2013年6月期間財(cái)務(wù)數(shù)據(jù)進(jìn)行了mPPALBA算法實(shí)驗(yàn)，并與SMOTE、BSMOTE、AdaSyn三種通用的過抽樣算法進(jìn)行比較，發(fā)現(xiàn)1Year模型和2Yea