共查询到17条相似文献，搜索用时 15 毫秒
1.
现有的信用评估模型往往需要在建模前预设模型的基本形态结构,极易因函数形式的误设导致评估结果误差较大,同时现有模型大多面向传统大中型企业、消费信贷用户,对农户这一借款主体缺乏适用性。基于宿迁地区某农村信用社的农户信贷数据库,设计一种面向我国农户贷款信用风险评估模型——Relief-GEP模型。模型首先使用Relief算法,对建模样本集维度进行删减,剔除对预测违约概率影响不大的各项指标,在摈弃部分噪声数据的同时提高后续建模精度;在缺乏最优函数形式的先验信息情况下使用基因表达式编程算法,以“适者生存”的逻辑通过反复演化迭代,动态构筑模型的核心部分。实证研究表明,Relief-GEP模型相比于当前流行的12个信用风险评估模型,拥有更优的拟合精度与更好的泛化能力。 相似文献
2.
石振华 《赤峰学院学报(自然科学版)》2012,(1):75-76
银行卡在给银行创造了高额利润的同时,也带来了很大的信用风险.对于银行来说,严格把控信用申请者,对其进行有效的信用评分和预测十分关键.采用数据挖掘技术中的决策树算法能有效屏蔽银行信用评估中的主观因素,通过海量数据预处理、决策树生成等步骤,最后通过相关算法实现能客观地形成预测值,从而准确地进行信用评分. 相似文献
3.
4.
针对车辆碰撞检测中的类别不平衡和特征数量少等问题,提出一种经贝叶斯优化后的LightGBM算法对车辆碰撞状态进行检测。首先通过原始特征构建碰撞特征,并利用Pearson相关系数和随机森林算法选择最优特征集;然后使用经贝叶斯优化后的LightGBM算法进行训练和测试;最后将LightGBM与SVM、RF及XGboost模型进行对比。仿真结果表明,LightGBM算法模型表现最优,精确度、召回率与F1-Score分别为0.93、0.94和0.93。说明所提模型能够较好地用于检测车辆碰撞状态,可以有效引导企业开展用户关怀和事故救援。 相似文献
5.
6.
针对传统基于模型的搜索引擎排序及特征获取慢、非数值特征处理复杂等问题,提出一种基于XGBoost的搜索结果智能排序模型。基于XGBoost算法构建排序模型,使用独热编码和Apriori算法对非数值特征进行处理和筛选,利用Redis对用户和商家特征数据进行缓存,通过并行预测的方式加快模型预测商家得分速度,最后利用XGBoost自带的模型评价函数对最终训练出来的模型进行评估,结果显示模型预测准确率为0.76,说明模型给符合用户偏好的商家打出了较高的分数。其中在训练集上的AUC为0.72,在测试集上的AUC为0.69,两者相差不大,表明模型没有出现明显的过拟合现象,而且准确率较高,可用于构建商家排序模型。 相似文献
7.
针对银行客户信用评估模型不健全不完善等问题,在对比随机森林（RF）、GBDT和XGBoost三种集成算法基础上,提出基于XGBoost算法的金融客户信用评估模型。从知名的UCI数据库中选取德国某银行客户信用数据集,在对数据进行缺失值、标准化等预处理后,分别对随机森林（RF）、GBDT算法和XGBoost三种集成算法建立个人信用评估模型,然后依据计算得到的相关多元评价指标对个人信用评估进行对比研究。实证结果表明,建立在XGBoost集成算法上的个人信用评估模型性能最优,在准确率指标上比随机森林（RF）高出6%,比GBDT算法高0.8%。 相似文献
8.
随着金融的全球化趋势和金融市场的波动性加剧．各国银行和投资者受到了前所未有的信用风险的挑战。信用风险评估方法也不断推陈出新,管理技术正日臻完善,许多定量技术、支持工具和软件已付诸商业应用。然而,我国商业银行和金融市场尚处转轨和新兴发展阶段,信用风险管理技术较为落后。针对于此,本文从商业银行角度,研究借款人（上市公司）信用风险评估的方法和应用问题。利用SPSS软件对企业的多维财务指标进行t检验和主成份分析得到了7个能够反映企业信用风险高低的关键财务指标．并利用这7个指标建立了Logit模型,结果表明,利用建立的Logit对我国商业银行的信用风险评估中具有较高的预测准确率,从而为我国商业银行信用风险评估方法从传统的定性分析法向定量分析法迈进起到了一定的借鉴作用。 相似文献
9.
为提高销售预测准确率,提出一种基于改进 XGBoost 的销售预测方法。首先对销售量影响因素进行特征分析,通过改进灰色关联分析方法对训练数据进行降维处理|然后采用基于 XGBoost 算法的销售预测方法对降维后的特征数据进行监督训练|最后使用训练后的模型对销售情况进行预测评估。实验结果表明,基于灰色关联分析和 XGBoost 模型的销售预测方法正确率达到 95%以上,比传统的经典预测方法提高 35%以上,比 XG?Boost 预测方法提高 19.6%。基于灰色关联分析与 XGBoost 模型的销售预测方法不仅能有效处理海量数据,提高销售预测准确率,还能为制造企业实现产品精准投放提供决策依据。 相似文献
10.
为提高超短期电力负荷预测的准确度,提出一种基于相似日和粒子群算法——轻量梯度提升机的超短期电力负荷预测方法.对初始数据集进行特征构建,并利用灰色关联法筛选出与待预测日关联度较高的历史日.使用粒子群优化算法对LightGBM算法进行参数寻优,构造PSO-LightGBM负荷预测模型.实验分析表明,相较于传统预测方法,该方法提高了电力负荷预测的精度,为电力系统稳定运行提供了保障. 相似文献
11.
周自斌 《合肥联合大学学报》2013,(3):48-51
针对目前大量的商业活动中对客户诚信度评价方法的欠缺,提出了一种新型的预测模型,即将高斯核函数同SVM算法相结合,在非线性多维特征解空间的环境下,也可做到较为准确的评估．通过实践验证,同以往的预测模型相比较,该算法不论在预测准确性以及泛化能力上都有更为突出的表现． 相似文献
12.
为提升互联网金融行业贷款人决策的直观性与层次性,提出一种信用分级模型。对历史样本的信用评价指标进行主成分分析,提取关键信息。利用 Logit 回归模型得到“是否违约”和“评价指标主成分”的关系,依据回归方程所得的“违约概率”对借款人进行信用分级。采用遗传模拟退火算法（GSAA）改进的 BP 神经网络,学习“等级”和“评价指标”间的映射规则。利用 Kaggle 网站信用数据集进行实验,结果表明,Logit 回归结果可信度高,“依概率分级”区分度高,GSAA 算法可有效提升 BP 神经网络的精准分级率。分级模型在测试样本上的可信度为 99.02%,优于二值分类和指标赋权模型,可有效降低贷款人资金风险,推动互联网金融行业高质量发展。 相似文献
13.
为了提高个人信用评分模型算法预测精准率,受视觉领域数据增广思路启发,提出融合数据增广技术与机器学习算法的个人信用评分模型。该模型首先对原始个人信用数据进行数据增广处理,然后基于机器学习分类算法训练一个二分类个人信用评分模型,最后基于公开个人信用数据集,分别建立未经过数据增广和经过数据增广处理后的个人信用评分模型。对比准确率、精确率、召回率、F1 得分、AUC 值和 ROC 曲线等 6 个性能评价指标,结果显示,相较于仅基于机器学习算法的个人信用评分模型,融合了数据增广技术与机器学习算法的个人信用评分模型使得分类性能得到了一定提升,分类准确率平均高出 5%。 相似文献
14.
BP神经网络是应用最广泛的预测模型,它能方便、灵活地对信用卡消费行为进行探测,但BP网络有很多固有缺陷,比如结构难确定、初始权值选择盲目性导致训练速度慢等,结合信用卡交易数据的混沌特征分析,通过应用混沌理论中的相空间重构技术,把信用卡客户的相关数据嵌入到重构的相空间中,然后利用BP神经网络技术建立混沌风险探测模型,对信用卡交易行为进行风险预测.实验结果表明,该模型的预测精度高于一般的神经网络预测方法,其中正确检出率比使用BP神经网络模型提高了3%. 相似文献
15.
对基于多元综合的信用评价模型进行了分析与设计,并详细论述了其计算过程。基于教育淘宝交易平台中交易评价主体的特点,选择信用评价因子;根据信用评价指标权重分配的原则,分配信用评价因子权重;利用模糊隶属函数计算出各指标信用评分,为教育淘宝网用户交易决策提供更可靠的置信参考,降低教育资源交易过程的信用风险。结果表明,基于多元综合信用评价设计可以增加教育淘宝网在线交易评价的可信度。 相似文献
16.
17.
叶廷东 《广东轻工职业技术学院学报》2011,(4):1-5
针对WSN流量预测,基于AR模型提出一种WSN流量双卡尔曼并行递推预测算法,该算法使用两个Kalman滤波器,交替进行AR模型参数的递推辨识与时变数据中真实值的最优估计,根据序列数据的最新信息实时修正AR模型参数进行动态预测。同时针对大步长的流量预测,引入滚动修正思想,克服动态预测算法存在间隔时间过长的缺点,降低多步预测误差。实验研究表明,利用研究的双卡尔曼并行递推算法使用AR模型进行多步预测,从原理设计和实现算法上,实现了WSN流量的准确预测。 相似文献