面向信贷不平衡数据的高斯混合欠采样算法

发布时间：2024-01-24 16:54

　　为提高分类算法在信贷风险领域不平衡数据的预测性能,提出一种基于高斯混合模型(Gaussian mixture model,GMM)的欠采样算法,将其应用在信贷不平衡数据领域中。采用高斯混合模型对多数类样本进行聚类欠采样(under-sampling),消除样本间的不平衡问题。实验比较该算法与传统的欠采样方法,进行该算法的抗噪鲁棒性分析,实验结果表明,该算法能够有效提升分类器的性能,其对信贷数据集具有较强的鲁棒性。

【文章页数】：6 页

【文章目录】：
0 引言
1 相关理论研究
    1.1 不平衡分类问题
    1.2 高斯混合模型
    1.3 轮廓系数
2 基于高斯混合聚类的欠采样算法
3 实验分析与验证
    3.1 数据集介绍
    3.2 模型性能评估度量
    3.3 GMMUSA算法的性能验证
        3.3.1 不同的欠采样算法的性能对比分析
        3.3.2 算法对噪声数据的鲁棒性分析
4 结束语



本文编号：3884125