特征选择方法在信用评估指标选取中的应用

被引：7

作者：

刘扬

刘伟江

机构：

[1] 吉林大学商学院

来源：

数理统计与管理 | 2006年 / 06期

基金：

教育部留学回国人员科研启动基金;

关键词：

信用评分模型; 特征选择; 分类算法;

D O I：

10.13860/j.cnki.sltj.2006.06.008

中图分类号：

F830.5 [信贷]; F224 [经济数学方法];

学科分类号：

0701 ; 070104 ;

摘要：

在信用评分模型中所运用的指标变量对模型的表现有重要的影响,指标选取方法的科学化规范化水平有待于进一步提高。本文研究了机器学习领域的特征选择方法在定量确定信用评分模型指标体系上的应用。以实际信用评估问题为例,对四种特征选择方法(ReliefF方法、基于相关性的方法、基于一致性的方法和包裹性)进行了比较试验,验证了特征选择方法可以在精简性、速度和准确率三个方面提高信用评分模型的表现。其中基于一致性的方法和包裹法表现优于Reli-efF方法和基于相关性的方法。

引用

页码：667 / 674

页数：8

共 3 条

[1]

Credit Risk Assessment Using Statistical and Machine Learning: Basic Methodology and Risk Modeling Applications[J] . J. Galindo,P. Tamayo.Computational Economics . 2000 (1)

[2]

A practical approach to feature selection .2 Kira K,and Rendell LA. Proceedings of the International Con-ference on machine Learning . 1992

[3]

Multi-Interval discretization of continuousvalued attributes for classificationlearning .2 Fayyad UM,and Irani KB. Proceedings of the thirteenth International Joint Conference on Artificial Intelligence . 1993

← 1 →