C5.0分类算法及在银行个人信用评级中的应用

被引：49

作者：

庞素琳

巩吉璋

机构：

[1] 暨南大学管理学院会计系及金融工程研究所

来源：

系统工程理论与实践 | 2009年 / 12期

关键词：

信用评级; 决策树; C4.5算法; C5.0算法;

D O I：

暂无

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：

研究了商业银行的个人信用评级问题.由于个人信用记录中既涉及有数值型数据,也涉及有非数据型数据,而决策树是解决这一类问题的最好方法.到目前为止,决策树C4.5算法的研究已基本成熟,但其C5.0算法由于商业机密的缘故至今没有公开.因此在决策树C4.5算法基础上详细研究了C5.0算法及相应的Boosting技术,并嵌入Boosting算法技术,构造了成本矩阵和Costsensitivetree,以此建立基于C5.0算法的银行个人信用评级模型,用来对德国某银行的个人信贷数据进行信用评级,同时对模型参数调整前后决策树的判别结果进行比较.仿真表明:参数调整后的决策树的判别结果优于参数调整前的决策树的判别结果.

引用

页码：94 / 104

页数：11

共 5 条

[1] 决策树分类算法研究综述
季桂树
陈沛玲
宋航
[J]. 科技广场, 2007, (01) : 9 - 12
[2] 决策树后剪枝算法的研究
范洁
杨岳湘
[J]. 湖南广播电视大学学报, 2005, (01) : 54 - 56
[3] A decision-theoretic generalization of on-line learning and an application to boosting
Freund, Y
Schapire, RE
[J]. JOURNAL OF COMPUTER AND SYSTEM SCIENCES, 1997, 55 (01) : 119 - 139
[4] Induction of decision trees[J] . J. R. Quinlan.Machine Learning . 1986 (1)
[5] The effects of pentylenetetrazole and methylphenoxypropane on discrimination learning[J] . Earl Hunt,Jara Krivanek.Psychopharmacologia . 1966 (1)

← 1 →