异态集成学习方法在个人信用评估中的应用
发布时间：2021-05-19 20:01
随着中国经济的迅速发展和计算机信息技术在生物、经济等各个领域的广泛应用,社会各阶层居民对日常的消费信贷需求与日俱增。国内各大银行积极适应市场变化,这不仅要求银行能够针对各层客户扩展多种多样的特色信贷业务,更需要银行能够应用规范的系统评估方式在资金管理和风险调控中做到高效率、高收益和低风险。因此,建立一个系统高效并具有实际应用价值的信用评估模型可以很好的指导国内银行信贷业务的发展。本文针对个人信用评估问题,在阅读大量国内外文献的基础上,根据决策树、异态集成学习方法的原理,提出运用典型的Adaboost和Bagging异态学习法构建个人信用评估模型。首先从Adaboost的原理出发,在训练过程中反复增加各种单一分类器,通过逐层调节弱分类器对应的权重值训练总输出达到提前设定的最小误差率的强训练器。随后为了达到降低模型错分率,提高模型预测精度的作用,又对Bagging集成在均等处理无偏估计模型中产生噪音的全过程进行详细分析。最后利用银行个人信用数据训练异态集成学习模型,结果显示异态集成方法在准确率和稳健性上较单一REPTree方法均有优化,可以看出异态集成学习模型有效的综合了单一模型的优点,改...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：63 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 研究的背景及意义
1.2 个人信用评估的国内外研究现状
1.2.1 传统的信用风险评估方法
1.2.2 集成学习方法
1.2.3 个人信用等级评估标准
1.3 论文研究的内容和方法
1.3.1 论文研究的主要内容
1.3.2 论文研究的主要方法
第2章 异态集成学习方法及其应用工具的选择
2.1 集成学习方法的选择及适用性分析
2.1.1 集成学习概述
2.1.2 集成学习方法的分类
2.1.3 异态集成学习方法的适用性分析
2.2 Bagging和Adaboost集成学习的机理
2.2.1 Bagging集成
2.2.2 Adaboost集成
2.2.3 子学习器的生成和结合方法
2.3 异态集成学习应用工具的选择
2.3.1 集成学习应用软件及比较
2.3.2 WEKA的功能实现
2.3.3 WEKA数据集的构建
2.4 本章小结
第3章 异态集成学习模型的构建
3.1 模型的结构设计和技术流程
3.1.1 模型的结构设计
3.1.2 模型构建的技术流程
3.2 Bagging和Adaboost集成学习模型的构建过程
3.2.1 数据准备
3.2.2 Bagging和Adaboost算法
3.3 基于WEKA的异态集成学习功能模块设计与分析
3.3.1 操作界面详解
3.3.2 算法关联规则
3.3.3 参数设置
3.4 本章小结
第4章 异态集成学习模型的应用
4.1 指标体系的建立及样本数据分析
4.1.1 国内外指标体系对比及分析
4.1.2 指标体系的建立
4.1.3 样本数据预处理
4.2 典型异态集成学习方法的程序设计
4.2.1 Adaboost 主程序设计
4.2.2 Bagging 主程序设计
4.3 异态集成学习模型的预测结果分析及比较
4.3.1 分析比较的依据
4.3.2 REP Tree决策树模型的应用结果分析
4.3.3 模型的应用结果
4.3.4 异态集成学习模型和单一模型的应用结果比较分析
4.4 本章小结
结论
参考文献
致谢
【参考文献】：
期刊论文
[1]基于AdaBoost算法与肤色模型的多姿态人脸检测[J]. 赵男男. 计算机工程与科学. 2011(05)
[2]基于多元判别分析的财务预警系统[J]. 刘晶,潘逸天,徐瑛瑛,李晓静,张婧. 中国管理信息化. 2010(03)
[3]基于WEKA平台的文本聚类研究与实现[J]. 陈嘉勇. 中国管理信息化. 2009(21)
[4]Statistical inference on parametric part for partially linear single-index model[J]. ZHANG RiQuan1,2 & HUANG ZhenSheng1 1 School of Finance and Statistics, East China Normal University, Shanghai 200241, China 2 Department of Mathematics, Shanxi Datong University, Datong 037009, China. Science in China（Series A:Mathematics）. 2009(10)
[5]使用数据挖掘工具Weka[J]. 陆远蓉. 电脑知识与技术. 2008(06)
[6]基于Apriori算法的Weka数据挖掘应用[J]. 李振华. 科技广场. 2008(01)
[7]集成学习中特征选择技术[J]. 李国正,李丹. 上海大学学报(自然科学版). 2007(05)
[8]决策树在客户价值分析中的应用[J]. 孟飞翔,帅立国,姜昌金. 计算机技术与发展. 2007(04)
[9]GA改进的统计组合模型在个人信用评估中的应用[J]. 姜明辉,袁绪川. 哈尔滨工业大学学报(社会科学版). 2007(01)
[10]蚁群算法优化前向神经网络的一种方法[J]. 王晶. 计算机工程与应用. 2006(25)
博士论文
[1]商业银行个人信用评估组合预测方法研究[D]. 姜明辉.哈尔滨工业大学 2006
硕士论文
[1]基于SA-GA算法的组合预测模型在个人信用评分中的应用研究[D]. 李睿.哈尔滨工业大学 2010
[2]基于多视图集成的多关系分类方法研究[D]. 郑利雄.华南理工大学 2010
[3]面向复杂环境的数据采集分析系统的研发[D]. 吴刚.中国海洋大学 2010
[4]基于HMM-SVM混合模型的在线手写签名认证[D]. 尤庆成.中国科学技术大学 2010
[5]基于VoIP的网络性能数据的挖掘方法研究与应用[D]. 向亚洲.北京邮电大学 2010
[6]基于条件互信息的集成学习的研究与应用[D]. 李涛.中国海洋大学 2009
[7]中国商业银行投资价值研究[D]. 肖琼.华中科技大学 2009
[8]判别分析运用于服务提供商选择研究[D]. 崇静.北京邮电大学 2008
[9]基于决策树的数据挖掘算法优化研究[D]. 王威.西南交通大学 2005
本文编号：3196360
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：63 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 研究的背景及意义
1.2 个人信用评估的国内外研究现状
1.2.1 传统的信用风险评估方法
1.2.2 集成学习方法
1.2.3 个人信用等级评估标准
1.3 论文研究的内容和方法
1.3.1 论文研究的主要内容
1.3.2 论文研究的主要方法
第2章 异态集成学习方法及其应用工具的选择
2.1 集成学习方法的选择及适用性分析
2.1.1 集成学习概述
2.1.2 集成学习方法的分类
2.1.3 异态集成学习方法的适用性分析
2.2 Bagging和Adaboost集成学习的机理
2.2.1 Bagging集成
2.2.2 Adaboost集成
2.2.3 子学习器的生成和结合方法
2.3 异态集成学习应用工具的选择
2.3.1 集成学习应用软件及比较
2.3.2 WEKA的功能实现
2.3.3 WEKA数据集的构建
2.4 本章小结
第3章 异态集成学习模型的构建
3.1 模型的结构设计和技术流程
3.1.1 模型的结构设计
3.1.2 模型构建的技术流程
3.2 Bagging和Adaboost集成学习模型的构建过程
3.2.1 数据准备
3.2.2 Bagging和Adaboost算法
3.3 基于WEKA的异态集成学习功能模块设计与分析
3.3.1 操作界面详解
3.3.2 算法关联规则
3.3.3 参数设置
3.4 本章小结
第4章 异态集成学习模型的应用
4.1 指标体系的建立及样本数据分析
4.1.1 国内外指标体系对比及分析
4.1.2 指标体系的建立
4.1.3 样本数据预处理
4.2 典型异态集成学习方法的程序设计
4.2.1 Adaboost 主程序设计
4.2.2 Bagging 主程序设计
4.3 异态集成学习模型的预测结果分析及比较
4.3.1 分析比较的依据
4.3.2 REP Tree决策树模型的应用结果分析
4.3.3 模型的应用结果
4.3.4 异态集成学习模型和单一模型的应用结果比较分析
4.4 本章小结
结论
参考文献
致谢
【参考文献】：
期刊论文
[1]基于AdaBoost算法与肤色模型的多姿态人脸检测[J]. 赵男男. 计算机工程与科学. 2011(05)
[2]基于多元判别分析的财务预警系统[J]. 刘晶,潘逸天,徐瑛瑛,李晓静,张婧. 中国管理信息化. 2010(03)
[3]基于WEKA平台的文本聚类研究与实现[J]. 陈嘉勇. 中国管理信息化. 2009(21)
[4]Statistical inference on parametric part for partially linear single-index model[J]. ZHANG RiQuan1,2 & HUANG ZhenSheng1 1 School of Finance and Statistics, East China Normal University, Shanghai 200241, China 2 Department of Mathematics, Shanxi Datong University, Datong 037009, China. Science in China（Series A:Mathematics）. 2009(10)
[5]使用数据挖掘工具Weka[J]. 陆远蓉. 电脑知识与技术. 2008(06)
[6]基于Apriori算法的Weka数据挖掘应用[J]. 李振华. 科技广场. 2008(01)
[7]集成学习中特征选择技术[J]. 李国正,李丹. 上海大学学报(自然科学版). 2007(05)
[8]决策树在客户价值分析中的应用[J]. 孟飞翔,帅立国,姜昌金. 计算机技术与发展. 2007(04)
[9]GA改进的统计组合模型在个人信用评估中的应用[J]. 姜明辉,袁绪川. 哈尔滨工业大学学报(社会科学版). 2007(01)
[10]蚁群算法优化前向神经网络的一种方法[J]. 王晶. 计算机工程与应用. 2006(25)
博士论文
[1]商业银行个人信用评估组合预测方法研究[D]. 姜明辉.哈尔滨工业大学 2006
硕士论文
[1]基于SA-GA算法的组合预测模型在个人信用评分中的应用研究[D]. 李睿.哈尔滨工业大学 2010
[2]基于多视图集成的多关系分类方法研究[D]. 郑利雄.华南理工大学 2010
[3]面向复杂环境的数据采集分析系统的研发[D]. 吴刚.中国海洋大学 2010
[4]基于HMM-SVM混合模型的在线手写签名认证[D]. 尤庆成.中国科学技术大学 2010
[5]基于VoIP的网络性能数据的挖掘方法研究与应用[D]. 向亚洲.北京邮电大学 2010
[6]基于条件互信息的集成学习的研究与应用[D]. 李涛.中国海洋大学 2009
[7]中国商业银行投资价值研究[D]. 肖琼.华中科技大学 2009
[8]判别分析运用于服务提供商选择研究[D]. 崇静.北京邮电大学 2008
[9]基于决策树的数据挖掘算法优化研究[D]. 王威.西南交通大学 2005
本文编号：3196360
本文链接：https://www.wllwen.com/jingjilunwen/guojijinrong/3196360.html
