基于SVM的個(gè)人信用評(píng)分系統(tǒng)設(shè)計(jì).pdf

1、隨著中國(guó)經(jīng)濟(jì)的快速發(fā)展,國(guó)內(nèi)的信貸類業(yè)務(wù)發(fā)展尤為迅猛。近兩年,P2 P網(wǎng)貸得到了巨大發(fā)展,它為投資者和籌資者提供了便捷的信息平臺(tái)。中國(guó)目前有六千萬個(gè)體戶和兩億農(nóng)民,共同組成了龐大的信貸市場(chǎng),也具備巨大的發(fā)展?jié)摿?。信用風(fēng)險(xiǎn)管理逐漸成為各大金融機(jī)構(gòu)研究的一大熱點(diǎn),良好的信用評(píng)估模型是其避免信用風(fēng)險(xiǎn),得以進(jìn)一步發(fā)展的保證。
　　1995年Vapnik在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上針對(duì)線性分類器提出了一種新的監(jiān)督式學(xué)習(xí)方法——支持向量機(jī)(Suppo

2、rt Vector Machine),它具有全局最優(yōu)、結(jié)構(gòu)簡(jiǎn)單、推廣性好等優(yōu)點(diǎn),最初主要用于模式識(shí)別領(lǐng)域。支持向量機(jī)的核心思想是通過核函數(shù)將復(fù)雜的向量映射到高維特征空間后構(gòu)造最大間隔超平面,使得經(jīng)驗(yàn)誤差最小、幾何邊緣區(qū)最大。
　　本文首先簡(jiǎn)述了信用評(píng)估的現(xiàn)實(shí)需求、國(guó)內(nèi)外研究現(xiàn)狀和普遍的評(píng)估方法。
　　其次,在深入研究分析支持向量機(jī)的理論和算法之后,提出了一種特征加權(quán)支持向量機(jī)的個(gè)人信用評(píng)估方法,然后通過前向順序特征選擇算法對(duì)