基于Optuna框架的Lp范数约束下多核支持向量机在违约风险预测中的应用 |
| |
引用本文: | 郑怡昕,王重仁.基于Optuna框架的Lp范数约束下多核支持向量机在违约风险预测中的应用[J].现代电子技术,2024(6):147-153. |
| |
作者姓名: | 郑怡昕 王重仁 |
| |
作者单位: | 山东财经大学 |
| |
摘 要: | 针对违约数据存在数据量大、维度多、不平衡及噪声大等缺点,提出一种改进的支持向量机方法,即基于Optuna框架的Lp范数约束的代价敏感的多核支持向量机(Lp-Optuna-SVM)。该方法采用成本矩阵对不同预测错误赋予不同数值,通过多核学习引入多核混合核函数组合;同时采用Optuna优化框架对犯错成本、核函数的参数和权重实现了自动化的调优过程;还在核函数权重上引入Lp范数约束,以提高模型对噪声和异常数据的鲁棒性。最后,对4种常用的基础核函数组合的Lp-Optuna-SVM进行探讨,并与单核支持向量机以及K邻近法、逻辑回归、高斯贝叶斯进行对比。结果表明,在给定数据集上,Lp-Optuna-SVM在违约数据上的g-mean和AUC均高于其他算法,并且在加了不同方差的噪声数据集上,该算法整体依旧保持较好的鲁棒性。
|
关 键 词: | 多核支持向量机 Optuna优化框架 Lp范数约束 多核学习 不平衡数据集 违约风险预测 |
|