| 一种改进过采样算法在类别不平衡信用评分中的应用 |
| |
| 引用本文： | 邵良杉,周 玉. 一种改进过采样算法在类别不平衡信用评分中的应用[J]. 计算机应用研究, 2019, 36(6) |
| |
| 作者姓名： | 邵良杉 周 玉 |
| |
| 作者单位： | 辽宁工程技术大学系统工程研究所,辽宁葫芦岛,125105;辽宁工程技术大学系统工程研究所,辽宁葫芦岛,125105 |
| |
| 基金项目： | 国家自然科学基金资助项目(71371091);辽宁省社会规划项目(L14BTJ004) |
| |
| 摘 要： | 针对信贷行业信用评分业务中存在的样本类别不平衡问题，首先在信用评分各影响因素Fisher比率值分析的基础上确定主要评判指标；而后以基于支持度的过采样算法（SDSMOTE）为样例合成算法，支持向量机（SVM）为基预测器，Boosting算法为框架构建基于Fisher-SDSMOTE-ESBoostSVM的类别不平衡信用评分预测模型；并在基分类器训练结束后引入“淘汰策略”，删除未被正确分类的合成样例，重新生成正类样例并修正样例权重；最后以UCI数据库中德国信用数据集为实验样本，F-measure值和G-mean值为评价指标，对比分析Fisher-SDSMOTE-ESBoostSVM与其他集成学习算法的预测结果。实验结果表明，Fisher-SDSMOTE-ESBoostSVM算法应用到信贷行业客户信用评分预测中具有可行性和适应性，且预测准确率较高，具有一定的实际应用价值。
|
| 关 键 词： | 信用评分 类别不平衡 SDSMOTE算法 Fisher准则 支持向量机 集成学习 |
| 收稿时间： | 2017-12-07 |
| 修稿时间： | 2019-04-27 |
Application of improved oversampling algorithm in class-imbalance credit scoring |
| |
| Shao Liangshan and Zhou Yu. Application of improved oversampling algorithm in class-imbalance credit scoring[J]. Application Research of Computers, 2019, 36(6) |
| |
| Authors: | Shao Liangshan and Zhou Yu |
| |
| Affiliation: | System Engineering Institute,Liaoning Technical University,Huludao Liaoning, |
| |
| Abstract: | |
| |
| Keywords: | credit scoring class-imbalance SDSMOTE algorithm Fisher criterion support vector machine ensemble learning |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
