基于主成分分析的贝叶斯网络在个人信用评估中的应用

发布时间：2023-09-29 05:05

　　针对信用评估数据的高维、非线性和冗余特点,传统降维和评估方法分类错判率高的难题,提出一种基于主成分分析的贝叶斯分类器在个人信用评估中的方法。首先采用主成分分析方法提取信用评估特征,进行降维处理,消除不必要的冗余信息,简化贝叶斯网络的输入,然后分别在朴素贝叶斯和树增强朴素贝叶斯两种分类器上建立评估模型,最后对评估模型进行验证性实验,并与其他模型进行比较分析。结果表明,应用主成分分析的贝叶斯网络建立的个人信用评估模型简洁,易于推理,提高了个人信用评估的精度。

【文章页数】：8 页

【文章目录】：
1 贝叶斯分类器的信用评估原理
2 基于主成分分析的贝叶斯分类个人信用评估模型
    2.1 主成分分析
    2.2 贝叶斯分类模型
        2.2.1 朴素贝叶斯分类器(NB)
        2.2.2 树增强朴素贝叶斯分类器(TAN)
    2.3 PCA-NB和PCA-TAN的个人信用评估模型
3 实验结果及分析
    3.1 样本数据
    3.2 数据预处理
    3.3 主成分分析
    3.4 贝叶斯分类模型实验结果及分析
    3.5 PCA应用的进一步验证
4 结束语



本文编号：3849341